美赛提交页面是三个勾全打嘛

美塞欧奖悬坐复盘，二零一九年 a 级养龙模型，简单到离谱，但逻辑强到可怕。美赛即将到来，你还在死磕那些根本看不懂的高级算法吗？快停下！今天必须给所有准备美赛的同学暗投安利一篇二零一九年 a 级养龙这道题的欧奖论文 tim 幺九幺零二四六看完这篇论文，你会发现一个颠覆印机的真相，拿奖根本不需要你用多学学的模型，甚至连代码都不需要多复杂。真正的高手是把最基础的模型讲出最顶级的故事。 为什么强烈推荐这篇论文？很多同学一看到属于连续性问题的 a 题就想完了，是不是要用篇微分方程？是不是要搞流体力学？结果这篇幺九幺零二四六号论文直接打脸全篇核心模型就是最基础的 logistic 模型和简单的物理类比。 它的过联基础完全在于逻辑闭环无敌，从生物学到物理学再到生态学，环环相扣，作图水平顶级，不系仅有 matlab 截图，还有手绘蜥蜴图， 故事感极强，把数学建模写得像生物科普文章一样通透。核心亮点拆解一，物理特将建模简单到令人发指的类比问题，龙怎么长多虫多长？普通人思路，到处找恐龙的秀技，然后瞎凑一个复杂的拟合曲线。 欧奖大神思路，体重直接用 logistic 组织增奖模型。是的，就是那个大一高数或者生物修像最基础的 d n d t 等于 r n e n k， 它们只是加了一个温度影响因子 t， 就 完美解决了环境对星奖的影响。伸长 这里简直是玄来之笔，它们没有搞复杂的生物结构，而是直接把龙的心体内比成一个名为 elastic cylinder 的 弹性圆柱体，利用材料力学的弯曲公式， w l 四集体就与心强的四次方成正比，直接推算出成年龙心强二十到三十五米。 点评，这就是美赛评委最爱的物理级别模型，不一定要高大上，但一定要有物理意义支撑。爱能量泄露，不仅算吃，还算喷火。亮点， 这篇论文在计算龙的能量消耗时，不仅对比了人类、冰原狼和麻雀来计算飞行与代谢消耗， 最杰德系建立了喷火化学动力学模型，他们通过全牛理论化蝶的场景推算火焰文读 e 二八六二 c， 然后对比各种燃料，发现一色蚁迷最接近结着一本正经的 写出了生物合成蚁迷的化学方程系，甚至画出了龙体内储存蚁迷的线底结构图。点评，这就是自驾，哪怕题目系虚构的龙，你也要用科学的态度去一本正经的胡说八道，且让评委无法反驳。 三、生态影响较为清晰的微分方程核心模型 dragon 杠 sheep 杠、 habitat model， 其实就是经典的 lotka 杠 volt era 捕食者与被捕食者模型的变体，它们把所有猎物简化为羊。 讨论了环境容纳量 k 级的临界点，如果 k 太小，龙气光阳，生态崩溃。如果 k 足够大，生态平衡。最后得出一个结论，养一条龙至少需要四零零平方公里，也就是约一二零个纽约中央公园大小，以及四零零零挤羊 眼。评，分类讨论是美赛拿奖的关键，不要只给一个结果，要告诉评委在什么条件下 系统会崩，在什么条件下系统会稳。给我们的备赛起信拒接公系堆气，重在过程推挡，千万不要一向来就扔一个既复杂的公系，评委看着头疼。这篇论文每一个公系的变形，比如在 logistic 方程里加温度项， 都有详细的 biologico， just patient 及生物学理由。美赛中过程，国赛中结果。在美赛，你需要像给外婆讲故事一样，把你的剑魔思路通过文字娓娓道来，也是最重要的。 作图作图作图，去看看这篇论文的 figure 一 和 figure 六。 figure 一 是手绘的龙的身体结构示意图，文中特别标注系字会以避免板前问题，显得非常有诚意。 figure 五做了一个极简的对比图圆 versus 狼、 versus 麻雀 versus 龙，一目了然。 图表现论文的脸面，一张好图能醒起评委阅读五零零字的时间，好感度直接拉满。

大家好，那么本期数学建模美赛 a 题目和 c 题目的完整论文呢啊，在这个一月三十一号就已经更新完毕了，那么当时呢我是已经发布了这两道题目完整论文以及相应的代码和结果的完整讲解视频。 然后呢明天早上也就二月三号的啊，早上呢这个比赛就要结束了，呃，在最后呢再给大家讲一下一些注意事项。呃，首先是呢，这个 我发给你们的是这个完整的原创论文的啊，以及我所有这个代码和结果的打包，那么已经拿到我这个完整成品的人呢，请务必把这个啊我发给你的降重操作复现视频呢， 以及那个代码速度附件视频的幺五把它仔细的看完。然后呢把降重说明视频里面的所有的点呢全部都落实到位啊，包括我整个这个论文里面呢，有很多个黄字提醒啊，告诉大家一些获奖点的说明啊，包括一些降重的说明，那我这些点呢也希望大家都能够落实啊，已经拿到我一个论文呃代码的人啊，希望你们都能够落实 关于这个完整成品的说明呢，大家可以看这个视频的评论区。好啊，就如果你现在还没有这个完整论文和代码的话，可以看这个视频的评论区呃，然后整体给大家讲一下吧，首先是这个比赛呢，是明天早上十点啊，就截止提交了，那大家呢千万不要这个卡点去提交啊，最好能够提前呃两到三个小时就去上传 啊。呃千万不要注册卡点，因为往年呢美赛有很多个人啊，就是注册提交的时候呢啊，由于注册提交的人太多了啊，让我卡住啊，或者说上传不上去啊，导致注册提交失败，然后呢说的兴趣全部白费了，那么这是大家要注意的第一个点啊，关于提交式时间的这个点。好， 再一个呢，说的就是关于美赛这个论文的篇幅问题，那么美赛论文呢，限制一共是二十五页，这个二十五页是包括副路的，那大家可以看到呢，我做的这个论文呢 啊，他这个页数是很多的啊，这个 c 题目呢，是一共是八十二页，然后 a 题目呢是七十页，那么为什么会篇幅这么长呢？主要这里面有大概十几到二十页呢，是提醒大家如何去进行修改成书，以及啊复现，包括获奖的树名的黄词提醒啊，大家可以看到前面的十几页啊，包括后面的这些黄词提醒啊，都 是啊，以及论文中呢，我也有很多个黄提醒，因为我必须要照顾到大家每一个人的水平，大家能理解吗？所以我必须得事无巨细的啊，把这个结果，那么这个结果呢，就体现出来，什么东西我都得给大家分析到位。 那么在大家最后的这个论文里面，大家当然要进行一定的删减啊，包括我放这些论文图标也都放的比较大，但大家可以把它缩小一点，然后比如说做成呢，呃，两个这样一排，这样的一个形式能理解吗？ 然后包括里面一些分析性的文字，呃，求解步骤啊，大家也都可以去进行删减，就是理论分析部分呢，没有必要这么多啊，我之所以写的这么详细，是害怕有的人看不懂啊，因为每个人队伍属性都不一样，所以我呢，呃，就把它写的太详细一点，这个大家自己去删减就可以了。总结中的论文篇幅一定要压缩在二十五页左右 呃， a 级木这个论文呢，页数稍微的少一点，一共是这个七十页左右啊，七十页。那么大家呢，也是像我刚刚说的一样，包括论文中一些图表的展示，呃，我展示的可能比较多，你们可以稍微的少展示一点啊，包括这些论文的里面的 啊，各种描述性的话呢，大家也都可以进行压缩，最终形成的这个论文篇幅呢，也是二十五页左右啊，这是其中第一个点有个大家去提醒的。 再一个就是我希望大家之后在写作文的时候呢，我不是要告诉大家要布置这个流程图啊，这些东西吗？啊，这是咱们美赛论文里面的一个，非常大家分享。然后你们在布置这个流程图的之前呢，请务必把这个论文整体的逻辑呢去把它盘到位啊，千万不要犯一些逻辑的错误，就整个这个论文呢，它在写成转壳啊，每一步我们要干什么？那么这步我们为什么要干到，下一步我们要做些什么东西 啊？那么这些步骤都对应了原题目中的哪些问题？第一点呢，逻辑肯定是很混乱的， 关于怎么去盘这个逻辑啊，那么大家可以去看我之前发布的这个 a 题目和 c 题目完整代码和论文的讲解视频在里面呢，我是仔仔细细的跟着大家对到的原题目，从第一问开始，把整个这个论文的逻辑都给它盘到位了。 呃，然后呢，我之前不是这个，因为 c 题目实在太复杂了，所以我给他准备这样的一个 word 文档，就是关于啊，这个每一步的这个子问题都有哪些东西。因为这个原题目呢，确实是。 嗯嗯，他这个一个大的问题里面呢，嵌套了很多个小的问题啊，这个大家看也太复杂了，你永远不知道你现在到底哪些子问题检查清楚了，哪些子问题又没有检查清楚，所以呢，我是给大家盘点这样子问题，那么大家可以对照着这个子问题的文档呢，哎， 去看一下你们最终形成这个论文啊，或者说你对照着我的，我给你们发的参考论文啊，去对照着一下。那么在原来的参考论文里面呢，我是分了很多个二级标题和三级标题，那么这些二级标题和三级标题呢？哎，其实就是 对应于这些所有子问题的解答啊，这个逻辑呢，我是已经盘的非常到位的，大家可以看左边这个导航栏。呃，你看啊，前面的问题逐出分析模型也是否什么没有的，不跟大家说了啊，中间重点就是中间这个模型仙女球技，大家可以看呢，问题也模型仙女球技里面啊，我分这样的几个标题，这个可能大家看着有点看不太清楚，我给大家把这个目录打开吧。好吧，我再给大家盘一遍。 ok， 那 么整个这个目录是这样的啊，我们第一用呢，首先是建立这个基于贝斯推断的粉丝投票繁衍模型，也就是那个 mc mc 模型啊，我前面也跟大家讲过了，那么建立完这个粉丝繁衍模型之后呢，我们去实际的指示我们的算法。 呃，这里面呢，包含的是四个大的步骤，首先是进行预述，预处理和规则的映射，然后呢，我们实际去跑这个蒙特卡路模拟的循环，针对每一周，然后补发结果，之后我们去做这个一次性检验和剧烈性度量啊，这也是题目要求的。然后我们把这个图标送掉呢做映射，因为我们轮廓区里出来的只是这个图标的比例嘛。然后到轮廓第二部分呢，我们做这个反射式的模拟框架和敏感线的分析， 哎，这是他的理论建模步骤啊，弄完之后呢，我们就去做实际的模拟算法和结果，得出这个法式之的模拟结果，这也是题目要求的。然后题目要求不是让我们把那几个案例分析一下吗？哎，我们把题目要求的那几个正义正义的案例分析一下，再一个呢，题目要求说，哎，如果有其他案例的话也可以分析，我们在这里加了一个标题，是关于其他案例去分析， 然后是加入了这个评委，拯救极致的啊，电路模型啊，就说加入这个评委整顿之后之后会怎么样？那我们把它加入进来啊，然后给出它的算法步骤和它的修剪结果，之后呢，是关于这个赛制的苹果模型，他也说呢啊，这个你介不建议用什么赛制查的啊？那么在这里呢，我们建立了个多目标的帕里克优化，给出了最佳的这个赛制， 然后问题三是让我们做那个影响的分析，哎，我们这里呢先做描数据的描述性统计，从整体上去把握这个数据，然后我们做只有数据的预处理和特定的工程，哎，然后我们建立了一个两阶段的绩效归因模型，来去回答题目中的这两个问题，他看一下有回答关于题目中的 这两个子问题，一个是职业舞者与名人特征的影响，一个是呢对于评委或者粉丝的影响差异啊，在这里就对应于这里的一个是精准期望的回顾模型，一个是啊，这个职业舞者的向东模型啊，最后给出他们的球结结果。那么最后疑问呢，是让我们给出几种，呃，评分系统的优化 啊，能提供什么方案？那么我在这里呢是提供了三种模型，一个是报准分的融合模型，一个是两阶段生成的博弈模型，一个是实变动态权重模型。那么大家在最终的融里面呢，是不需要把三种模型全部包括进去的， 你们只挑选其中的一个或者两个去展示就可以了。假如说你最后论文篇幅特别长的话呢，你只保留一个就行了，假如说最后还留点余地的话啊，就还没达到达到这个二十五页的这个篇幅的话，那么你们可以保留两个，不要三个都保存。好吧， 还那句话呢，就是因为这样，所以呢我最终的论文篇幅呢，才会这么长，就有真的八十页的这个篇幅，因为呢包括后面这个最后一问， 呃，能够提出什么评分的这个方案的话呢？呃，我也是给大家提供了三种方案嘛，所以这个论文篇幅当然会很长了，好，那么这就是关于这个 c t m， 呃，然后包括这个代码啊，我给大家讲一下，就代码的操作复现识别，大概大家应该都已经看过了，然后关于代码中间格式化的图片啊，大家能看到这个格式化图标， 呃，大家要注意呢，我们说的是这个美赛啊，所以在最终的论文里面不要出现任何的中文，所有东西全都得是英文， 那么包括这个格式化的图片呢？我当时为了大家，为了避免大家看不懂啊，这个图片到底在干啥，我用的其实是中文，那么在这个格式化图片的这个标题啊，啊，这个东西呢，大家也都可以去进行修改，你们把它改成英文就可以了。标题怎么去改呢？这个很简单了，哎，你看啊，这就是他的这参数啊，参数标题没有啊，你可以把它调成英文就可以了，随便把它调成一个英文，把它删一下，你随便打个英文就可以，能理解吗？ 好，这我就不用不用给大家多说了吧。好，然后包括我这个代码书的附件视频里面给大家讲过了，这个图片的颜色可以进行修改，大家也要不要忘记进行修改，好吧，为了避免这个差错问题， ok， 然后就怎么这个论文呢，那个降重复现的操作复事情视频呢？大家一定要去严格的落实啊，把这个降重做到位也可以了。 呃，好，然后这个 a 级木的这个论文的逻辑呢？没有那么多，呃，我给大家讲一下啊，这个整个逻辑吧。 呃，那在这个问题里面呢，我们显然是啊，建筑理论模型，也就是这个电效等电池的等效电路动力学的项目问题啊，所以说我们要得到这样的一个连续时间状态的空间系统啊，是一个藕合方程。 然后题目目的里面的要求我们去做一些数据的收集啊，但是呢，我们不能用什么黑箱啊，预测啊，就是不能用数据去用的模型，我们找的这数据呢，只是参数选择日期呢，我们就用的是选举指标和他的相应的参数准备，那我也就参数呃，我都是有相应的参考文献对应的，那么这个在目录里面也已经标注了啊，打开之后呢，自己在目录里面再去标注一下就可以了。 然后问题二里面，我们是先去建立这个马克夫乔治蒙特卡罗模拟模型啊，然后我们给出了这四种因素啊，就四种场景，我们去跑模拟，一个是初尺电量，一个是电池监度，一个是环境温度，一个是载的强度，然后我们给出他们的模型性能的评价啊，模型性能的评价。然后呢我们 问题三呢，是做这个灵敏度分析嘛，我在这也是做了两种，一个是局部的灵敏度，一个是全局灵敏度，然后呢给出他们各色结果啊，然后问题四里面 啊，他一个是这个用户行为的评估模型啊，就说什么用户行为能好一点，另外一个就是这个主动控制的策略模型，就看一下这个题目里面啊，一个用户行为一个是怎么样能有一个更好的省电策略，这也在最终的这个 论文里面呢啊，我们实践的这两个模型之后，让我们给出他们的实习结果啊，给出他们用户行为的策略评估，以及操作系统管理的策略分析。那么在最后呢一幕还告诉了我们啊，就是关于这个电池老化的问题，以及如何去推广。那么这两个标题呢，大家可以写的简短一点，但是千万不要把它省略，否则呢你这个论文呢，呃，就把人家原题目并没有完全解开 完毕啊，捷达完整好。呃，至于这个 a、 d、 m 的 代码呢，我就归大家都注出了吧啊，还是跟 c 题目一样，包括一些格式化图片的这个颜色呀，标题啊，大家不要忘记修改就可以了。好，那大概就是这么多吧。然后呢再给大家讲下最后的啊，就是关于。 呃，首先是关于这个副路问题。呃，目前呢，美赛的物展论文基本上都不粘贴副路了啊，因为这个二十五页确实不够用。呃，美赛呢是认为这个副路的业主呢，也是算入这个总业主的，只是那个 ai 的 评估报告呢啊，这个不算入业主而已。所以呢副路一般啊，基本大家都不粘贴了，而且呢评委基本也不看副路啊。呃，美赛的这个评委呢，基本上都是只看这个整体的论文， 那么还有一点就是我跟大家讲过的啊，呃，我在前面这里有一个视频，叫做一小时带你疏通啊，这个说行不行？在 那么大家提交之前呢，可以把这个视频再去看一下，那么在这里面呢，有几个获奖点的出名，大家可以读到最后面有几个获奖点呈现几下的一些句子，我们可以直接去抄里面啊，比如说我们到时候也可以写过程中呢，不断是要去中，这里有一个实战获奖点的出名，大家把这个仔细去看一下。呃，我在这里给大家讲了几个我们最终论文获奖的需要关注的点，一个是关于 java 的 书写， 一个是关于论文中一些图片的绘质，特别是关于流程图的绘质。那么最后呢，一个就是关于排版的问题。呃，这三个点呢，我希望大家都能落实到位啊，去提高大家的获奖概率，那就说到这里吧。呃，关于这个完整出名论文和代码出名，大家可以看见我这个视频的评论区。呃，希望大家呢，都能够顺利提交，也能够获得自己满意的奖项。呃，谢谢大家。

好，大家好，那这里是本次美赛 c 题目啊，第一问完整代码以及结果的讲解视频， 那本次这个代码呢，量是非常大的啊，因为这个 c 题目呢，数据库处理啊，包括后面这个实际求解啊，这个步骤是非常繁琐的啊，我收获都跟大家去讲清楚啊，包括这个数据处理之后什么样的样子啊，后面就求其结果，因为我们要得出那个投票数嘛，啊，就这个观众的投票数 啊，我都会一一的去给大家展示啊，请大家务必有耐心的把这个视频呢仔细的去看完啊，那目前第二问代码也是已经完毕了啊，等我后面把三四问全部解决完毕之后，我再给大家录一个完整代码的讲解视频吧。好吧，那么这个视频呢，就先给大家讲一下这个第一问吧。呃， 还有就是这个 a 题目啊， a 题目呢，第一问的代码呢 啊， a t m 这个完整代码我也是已经完成了。呃，一会我会再录一个视频给大家讲一下这个 a t m 的 代码，好吧，好，那么这个 a t m 和 c t m 完整原创论文以及相应代码和结果的说明呢， 大家可以看这个视频的评论区啊，我们预计会在明天，也就是一月三十一号的中午左右就会更新完毕这两道题目的完整论文啊，即刻的代码。好，那么废话不多说，我们来看一下这个梅赛 c t m 的 第一问。呃，题目背景 好，包括这个思路呢，我就不用再给大家去多说了吧，因为我前面这两个视频呢，都跟大家讲过了啊，大家可以继续看前面讲个视频，我就直接从代码开始入手了，好吧，呃，首先我们带人第一步首先要去处理这个数据，我们可以看到呢题目给出我们这个原始的数据呢， 他这个非常非常长的这样一个宽表啊，什么叫宽表？就是他很宽，就是他这个宽度呢？大概是有 这个五十三列吧，应该五十三列，然后呢他这个行数一共是这个四百二十二行，然后包括呢这个题目后面有很多的关于这个数据的一些描述啊，包括呢这个数据的一些注示啊，比如说 n a 指是什么意思，那么进零分的是什么意思啊？ 啊？再比如说一共矮有四位评委啊，然后各种周次啊，反正各种中东西啊，那么这些呢，都是我们在数据处理过程中需要考虑到的东西， 能理解吧？啊？当然我们这个数据处理呢，在第一步的时候，我们最重要的是要把这个数据呢这个官表呢处理为一个适合我们建模的这样一个长表的格式啊。然后在这个处理为长表的这个格式的过程中呢，我们再去把每一个变量 啊，每一个数值啊，包括什么空值啊，零啊， n a 啊这些呢，都做统一的处理，能理解吧？好，我们来看一下这个具体的数据与处理的过程。 呃，还那句话啊，这道题目呢，还是比较复杂的。呃，目前呢，也可以看到网上各种满天飞的什么完整的每一问的代码呀，思路什么的都出来了，我只能说大家 见仁见智吧。啊，就是你这么快的速度，要是把每一问的代码和结果全部都得出的话，那这个质量你可想而知吧啊，总之呢，呃，我只做好我自己的这个代码和结果啊，呃， 好，大家自己去看一下我这个代码就知道了。好，我们来看一下第一步，呃，我们把这个数据呢先上传到这里啊，这是题目原始的这个数据 啊，这原始的数据，我们首先呢第一步先去读取数据，那么这对于原始数据数据中呢？啊，还有这个 n a 的 这个字符串的我们进行处理，然后呢清理列名，去除掉可能会有的空格，然后呢统一进行小写啊，这是为了方便我们后去读取列名， 接下来我们要去解析他们的淘汰周数，那么关于这个思路的方面呢，我们前面就免费思路的原因给大家讲过了，就是我第一问都用的这个模型呢，是这个 mcmc 啊，这个模型这个方案。那么在后面我不是给大家讲了一个这个 每一问的这个关键信息和一些雷区和注意点吗？啊，包括这个阶段一怎么处理百分比置，然后阶段三这个混合之家评为拯救， 然后在数据惊喜中的一些雷区我也给他讲过了。呃，这个呢，大家自己去看我之前的那个数字讲解视频就可以了，我在这里就不多做赘述了。好吧，就顺着代码去跟大家讲吧。总之第一问我们的目标不就是通过题目之后给我们的啊，这个他是否淘汰以及评委的 啊，这个评分啊，包括一些其他的各种数据来去推断出来，他最初时的就是反建构出他最初时的这个粉丝投票数嘛，对不对啊？这是题目要求我们的第一问要去做的这个事情，看一下题目第一问估算的粉丝投票数，好吧， 好，来看一下数据处理。呃，然后呢，接下来下一步呢，我们是要去解析他们的淘汰周数了，我们需要去知道每一个选手到底是在第几周被淘汰的，或者说他是进入了决赛，那么假如说他是没有结果的话呢，那么他就是说啊，坚持到了最后 啊，这是第一个处理，那我们把决赛的处理呢啊，决赛的这个选手呢？进行一个处理啊，就是说假如说 是这样的，那么他们说明他们参加了所有周四啊，我们可以给他们很大的一个数字，一直去表示他们直到这一季的最后一周他都在，那么这个最大数字呢？我就设置为九十九了啊，大家也可以设置为其他数字都行了的啊，都行的， 这个呢，我，我无所谓的，就是你随便设置一个比较大的数字啊，一一百多也行，总之代表就是说他们一直是重活到了决赛，能理解吧？ 好，然后接下来是应用这几级函数，然后我们构建这个长格式数据，去构建这个长格式数据表，我们获取一下它的最大周数，然后提取它所有可能出现的周数， 提取完之后我们去构建这一周这个评委翻数的列名和列表。那么我们这里是假设最多有四个评委，为什么要这样假设呢？因为题目呢，原初始的这个 数据说明里面我们跟我们说过了啊，就是这个 n a 值，通常用于一个，就是说第四位评委的分数啊，假如说这周没有第四位评委，就是一般有三位啊，就是意思就是说最大就是四位嘛，这么个意思。好， 显然在这里我们假设是最多有四个评委，然后提取这一周的分数，然后把这个 n a 值啊和控值呢全部处理 过滤完了之后呢，我们只在这一周有有效分数时候才记录该条数据啊，这周呢，我们就把那些被淘汰之后的周次，我们就自动过滤掉了，因为这个被淘汰之后的周次呢，他的得分都是零嘛，对不对？好，那么接下来就是个长表，他都包含一些什么样的这个 变量啊？一个是他的赛季，一个是他的这个周数啊，然后包括有这个原始列吧，他可以查啊，评委的总分，评委的数量，他是三个还是四个，有的时候可能是三个，有的时候可能是四个，然后呢？这个是本周 啊，由于结果被淘汰的，然后这个全居记录何人该时淘汰，然后呢？这是一个最终名次，这是一个预处理之后的数据啊，这是最终整理出来这个场表 啊，一共就这么几个变量，对，淘秒呢，一共就是两千七百多。行了。好，然后我们去提取它的技术信息表啊，用于这个我们的第三问，这个建模啊，我们一行这个处理就可以了， 处理完了之后呢，我们做一个比较简单的一个结果检查，然后保存这个结果就可以了，我这个结果呢，是保存为了一个域处理后数据啊，那么大家大家可以继续改这个表名啊，这我就不用读，跟大家读说了吧。啊，好， 呃，我们检测的最大周数呢，是一到十一周这个范围，假如呢，我们数据处理之后呢，一共是两千七百七十七行，然后一共是九列包含的总赛季数量呢，一共三十四个赛季嘛，根据这个题目来说， 然后我们检查两个具体的例子吧。啊，好吧，我们来看一下题目给我们的这几个例子， 这个结婚呢，是给我们了一个第一季第四周啊，这几个参赛者，他们最终的这个排名情况啊，排名情况和他们预估的这个粉丝投票数啊，我们就根据这个例子来做一下，来看下代码， 我们可以先看一下这个 s 一 啊，被淘汰的这个人啊，那么他呢是在第四周就被淘汰了，对不对？好，我们来看下代码， 所以呢，他就应该就是说运行完之后呢，他应该被标记为在第四周是淘汰的。其实大家可以看到呢，这个 week 四啊，就是第一赛季的第四周，那么这个人呢，就被标记为淘汰了，后面是个处，对吧？那么另外一个例子就是 s 一 的这个冠军 啊，就是这个评委评判排名的啊，这个第一哦。啊，他就是呢，一直没有被标记过淘汰啊，一直没有被标记过淘汰。好， 那么整个这个数据处理步骤就完成了，然后呢我们检测了一下这两个视力啊，也是正常的合理的啊，但是你们大家也可以去踩，就是说啊，使用一些其他的例子去验证也可以啊，也可以。 ok， 那 么在数据处理全部完成之后呢，我们就要去做这个 啊，实际的我们估算他每一个周四中产生的这个粉丝图飙数 啊，那么这部分的思路呢，我前面也给大家讲过了啊，就是我这题采用的这个模型呢啊，我最终采用的这个方案的是这个避风啊，也是个 mcmc 啊，就是求粉丝投票的这个概率分布情况。 好，我们做一下模拟，那么这部分的核心代码呢？我就不给他展示了，这个核心代码呢，也比较长，呃，也很难，那么这个呢？呃，大家都能拿到我这个论文和代码的人，自己去看就可以了。好吧，呃，我这我就不多赘述了，因为我要保证这个限量，我就给大家展示一下最终这个结果啊，那么最终这个结果呢，我们模拟完之后 也可以得到这样的一个结果，那么这个结果呢啊，我们可以做一些结果分析啊，这个非常非常合理的。然后这里呢，我们求出来其实就是他这个占比，就是投票的占比，大家能理解吗？啊，这是一个投票的占比， 因为我们这个种票数呢，他是不定的啊。这个是还那句话，这个题目在求解决过程中有许多我们需要去注意的点，大家千万不要去忽略啊，去瞎写，哎，记住， 可以看到就像网上各种满天飞的各种思路啊，什么代码视频啊啥的，可能有的很多人都没有讲到这个问题，这是个总票数呢，他是不定的，这是未知的，所以呢，他只是选择一个假设值去产生最终的正确排名，而且呢，这个总票数呢，是我们永远无法得知的，大家能理解吗？ 因为我们这个总收视率的是不定的啊，你，你这个总票数可能是，呃，一百万，有可能是一千万，这个没有人能知道，没有人能知道，我们在书学方面成层面的 最多最多就只能纠解出来他们的投票占比，能理解吗？啊？所以在纠解完这个之后呢，我们得到了他最终的这个结果啊，保存为这个，我们打开给大家看一下这个结果这个结果表格，那这就是他们最终得到这个结果表格啊。我们反推出来这个粉丝投票数， 那么当然了，这也就是我们得出来的这个反推出来的是粉丝投票的占比。投票的占比，那有人要问了， 可是人家题目要求的是让我们给出他们的粉丝投票数呀，对不对啊？人家第一位让让我们给出他具体的粉丝投票数呀，我们估算粉丝投票数呀，包括我们第二问，第三问也都是要用这个粉丝投票估算值和其余数据来计算呀。那，那那以现值投票占比怎么办呢？啊？没关系的，没关系的，这这个呢很好处理， 首先代码里面呢，我们再加入这么一段，把这个估算的份额呢去转换为具体的票数就可以了。那么怎么转换啊？其实就是根据它们的舒适率假设一下，假设一下能理解吧， 那它这个，呃，一般来说啊，这个电视节目呢，都是早期赛季是比较火爆的，那么后期是略有下降的，是我们可以设定为啊，早期的这个 s 一 到 s 十是一千五百万票，那么 s 十一到 s 二十是一千万票，那么后面的这些数是六百万票，那么当然在这个数值大家可以自己去先假设， 而且呢这个数值怎么假设呢？跟我们后面两三位的二三位的求解呢？是没有关系的，能理解吧？就后面二三位呢？有人可能要问了，那这个你假设为这么个票数，那么前面赛季是一千五百万票，后面是六百万票，会不会导致我们第二三问求解的时候，出现这个求解不一致的这个情况呀？ 对不对？这个是完全不会的，因为我们求解一个人淘汰呀，什么排名啊？这情况呢，都是在单个赛季内去完成的， 不存在说是你这一个第一个赛季跟第三十四个赛季进行对比，这个我情况的是不存在的，那样理解吧。啊，所以我们都是在这个单个这个赛季里面循行求进， 所以呢，当然你们也可以设置为 s， 一 到 s 三四都是稳定的，都是一千万票也行，都行，这个呢，我们只是想把这个投票占比呢去转化为他们的 绝对票数而已，这个呢，其实意义也没有多大，包括这个 a 多少万票，你们给黑市进行修改啊，拿到代码的到时候也可以自己去进行修改啊，我这里设置一千五百万票，你刚刚可以把它设置为你一百五十万票啊，这个这个你多减个零也行嘛。啊，这个这个影响都不大的， 因为我们题目上面给出这个意思呢，哎，他也这个票数呢，也是一个估算的，这个估算的好，我们转化完之后我们就可以得到这样一个结果，我们把这个结果打开给大家看一下啊，那这里就是转化之后的啊，这个总的票数我们拖到最后，我们也给大家看一下 啊，那这里就是最后的这个这一点啊，就是他们的这个投票总数了啊，啊，投票数，这这一点就是他们的投票数。好， 那接下来啊火美这个代码呢，就是做这个一致性的检验和确定性的检验了吗？对不对？这也是题目明确要求我们的，其实我们要去看一下啊，他这个一致性的度量啊，是否是一致性的，然后呢再一个就是呢，这个投票总数呢，是有多大的确定性？ 这个一致性度量呢？其实就是说我们这个求解第一问这个模型呢，是精准还是不精准啊？你要就一致性的很低的话，那证明你完全是错的嘛，你投票总数就关键是求解错了的， 就你根据这个投票总数我现在去计算啊，他还跟咱们的淘汰这个结果是完全一致的，比如说我们第一问的这个模型呢，是完全正确且合理的啊，这就是一致性度量的意思。另外一个就是说这个投票的总数呢，有多大的确定性 啊？就这个训练型呢，对于每一个参赛者，每一周或者是总是相同的，是否是总是相同的啊？提供我们一个训练型的度量，这个呢就是我们这个思路得兼独厚的一种优势，因为我们采用这个 mcsm 模型呢， 我们的确定性读量呢，就直接通过我们后延风格的这个标准差和执行区间呢，就会完全能够就直接回答其波中说提出的这个确定性的问题了。哎，所以这也是我为什么最终舍弃掉了其他两个方案。其实我们这个呢，在回答确定性上面呢，是一个非常非常好的一个顶级方案。好，我们来看一下代码， 那么这部不带马的实际确定性度量和一致性检验的这个核心结构，我就给大家展示了，我来开案就用这个结果吧。好吧，那么我在这里呢，我是哎 啊，就是查看了两个人啊，一个是第一个赛季的这个和第一个赛季这个做了一个一次性检验和确定性的毒粮，然后做了一个二十七第二十七个赛季的这个一次性检验和毒粮，那么我为什么会采用二十七赛季呢？啊？这也是根据提议 啊去确定的，就在这个提议里面呢，他是从二十八赛季不是开始变这个规则了吗？啊？二十八赛季开始变规则了，这是因为呢，我们前面中期的这个到二十七赛季发现这个可能啊，这个规则可能不太好或者怎么样的翻开，二十八开赛季不是变了吗？而而且这个二十七赛季呢，不是冲见出现了一个争议吗？就这个人 啊，可能就是因为它出现争议啊，所以最终导致二十八赛季这个规则改变了，所以我们呢最好呢是把二十七赛季呢啊去做一个展示啊，当然你们采用其他赛季也行啊，也行，那我这里给大家展示一下这个第一个赛季的吧。啊，二十七赛季我就给大家展示了，那我这里就会生成一个第一赛季的这样一个趋势图 啊，这就是一个不确定性范围的这样的一个呃呃，图啊，然后这里是他们的不确定性的热力图啊，这是他们的不确定性的热力图， 颜色越红，那就是表示他越不确定啊，那么颜色越淡呢，就是表示他越确定啊。大家这就是完美回答了这个节目中所提出的这个问题啊，一方面我们的一致性呢，全部检验完毕了，再一个呢，我们也就确定性 啊，我们给出了注量啊，也计算出来了啊，然后呢，对于每一个参赛者或者每一周出是否总是相同的，那当然不相同了吗？对不对？那代码这里面热力图都已经给出了吗？每一个这个人啊，每一周他的这个确定性的注量都不一样，我们热力图也获取出来了， 那就完事了啊，二十七赛季的我就不给他多展示了。好，那么第一问完整的这个代码和节目呢，大致就是这个样子啊，我们把第一问的所有决定目标全部都学完毕了，对不对？再来回顾一下啊，这个我们也纠结完毕了，这个也纠结完毕了，这个也纠结完毕了，全部完成了。好吧，呃， 那再给大家说一下，到时候大家拿到我的这个代码和论文的人呢，这个所有代码图片的颜色也都可以进行修改啊，那么关于这个代颜色怎么修改，我到时候在代码里面也都会有注置， 大家到时候拿到我代码和这个代码操作视频的人呢，自己去看就可以了。好吧，那关于问这个完整成品论文和代码的书们，大家可以看这个视频的评论区。 呃，我预计会在明天中午，也是一月三十一号中午左右就更新完毕。呃，美赛 c 题目啊，完整的原创论文签代码和结果，那么到时候呢，也会有一个完整代码和论文的详细视频，那么这个视频呢，只是给大家讲一下第一问， 希望能够帮助到大家，特别是关于这个数据处理部分。呃，希望能够帮助到大家吧，好吧，那么就说到这里吧，呃，谢谢大家。

更多干货关注树魔乐园公众号！

好，大家好，那么这个视频呢，跟大家讲一下本次美赛啊，我的选题建议以及各题目的这个思路啊，那么我这里已经准备好了一个十一页的啊，这个思路文档，呃，包括 a t 幕和 c t 幕，我个人精准校对之后的啊，这个翻译， 呃啊，我都跟大家去讲，那么在这个思路的讲解过程中呢，我也会把啊大家可能会忽略到的一些关键的信息和雷区注意点，我全部都会跟大家一一讲清楚啊，请大家务必有耐心的把这个视频呢仔细的去看完啊，防止大家在做起过程中呢挖到什么坑。好，那我们首先来看一下这个选择题建议， 那么我们这次选择助攻呢，是 a 题目啊，以及这个 c 题目，那么后续呢，都会完成这两道题目完整原创论文以及相应的代码和结果啊，这个呢，跟我往期的这个比赛都是一样的啊，大家可以继续看我往期的这个视频啊，我现在发布的是这个选题建议和思路视频，那么后面呢 啊，我们预计会在明天，也就是一月三十一号的中午左右就会更新完毕。呃，这两道题目完整的原创论文以及相应代码和结果的这个 教学，那关于这个后续完整成品的说明呢，大家可以看这个视频的评论区啊，这好的不多说啊，我们来看一下这个选择题方面，那么这次这道的六道题目呢， 呃，这个 a 题目啊，是比较硬糙的，加一个智能手机电池的耗电建模，这个呢，题目也明确告诉我们了啊，就要建立一个连续实践数学模型，这个其实就是微分方程模型，这是非常非常经典的啊，大家如果说，呃，你们有受过学校的建模比赛的话，这就是其中非常经典的这种微分方程类的问题。 再一个非常经典的这个题目就是 c 题目了啊，也是往年大家每次都选择最多的这个题目啊，就是纯数据分析类的题目。这次的 c 题目呢，呃，也比较复杂一些，因为它里面有很多规则，包括这个数据说明 啊，这个数据本身呢，也比较复杂一些啊，就是我们或许要去读取和这个处理比较复杂一些，所以呢，在我稍后的讲解过程中呢，我也会把我们在所有的数据读取中啊，可能会出错的地方，我们需要去关注的一些啊，关键的信息和雷区注意点我都为大家讲清楚，好吧， 好，那其余一个题目呢，我不推荐大家去进行选择啊，因为呢，呃一方面获奖率并不高。呃，再就是呢，可能有的题目比较水一点，比如这个 b 题目呢，这个利用太空电机系统建立月球直径。 呃，这道题目呢，估计很多人可能会用 ai 去做这个，呃，就稍微水一点，然后这次的 i、 c、 m 这三道题目啊， d、 f 这三道题目。呃， d 题目的主要难点呢在于我们要去收集一些相应的数据。呃，这个是比较困难的，那再去这道题目呢， 就我们能够采用的模型也比较有限啊，就你想要做的出产的也比较困难啊，比较有限。然后这个 e 题目，被动式遮阳和这个 f 题目啊，这个 e 题目呢， 呃，难度其实并不算高，而且主要是建立这个非稳态的热平衡方程，这个呢，在以往的建模型材里面呢，也比较多一些，但这次这个 e 题目呢，如果我们从横切去从这个获奖角度而言的话啊，眼目图眼大剧进行选择啊，包括这个 f 题目也是一样，这个 f 题目呢，呃， 一方面我们要去收集一些这个相应数据啊，这个稍微能困难一点，再个用这个 i 题目呢，也比较能做得出彩啊。总归呢， 这是为什么推荐大家去选择 d 题目和这个 c 题目呢？因为这两个题目呢，呃，都是大家这次比赛呢，比较容易做得出彩的啊。这个类型的题目， a 题目比较容易做得出彩的地方在于呢， a 题目比较硬核一点啊，我们只要建立合理的违反方程，那么后续呢，我也会跟大家去讲这个啊， a 题目详细完整的建模思路。 好啊，包括一些相应的数据呢，我已经完成了初步的这个收集啊，其这道题目的数据呢，只需需要去收集一些新的参数就可以了。好， 这个呢，做好的话呢，咱们大家这道题目的获奖概率呢，还是很高的好吧，呃，然后就是 ct 目啊，这个数据分析类的题目，呃，我们只要去啊，把各种我们能考虑到的啊，这个数据的参数呢 和注意点我们都落实到位。再一看美国，我们建立合理的注出页模型啊，把题目每一问都解达到位，那么这道题目的扩展率呢，也是比较高的。好，那么选题建议呢，就讲到这里，那么本次的 a 题目和 c 题目呢，我们或许都会完成这个完整的原初论文集现在代码和结果。那关于这个完整的整理的说明呢？大家可以看这个视频的评论区，我们有机会在明天就是一月三十号的中午左右就会更新完毕。 呃，这两个题目完整的原初论文集，现在代码。好，那么废话不多说，我们现在来看一下这个 c 题目的思路。 好，那么这个视频先给大家讲一下这个 c 题目的思路，那么稍后我会再发布的视频去讲解 a 题目的详细思路啊，大家敬请期待。好，我们来先看一下 c 题目。 c 题目呢啊，这也是我人工教对之后的一个精准的翻译版本 啊。呃，因为这样节目的翻译是比较困难的啊，大家容易很多地方出错，如果用 g 翻的话，简直得有一个完整的啊，这样的一个翻译版本。那关于这个， 好，我现在讲解的这个思路，文档呀，包括 a 题目啊， c 题目啊等等的这些人工教对的翻译啊，文档啊，包括这个完整的说明呢，大家都可以看这个视频的评论区。好吧，我来看下 c 题目，那么几乎被讲的我就不多说了。好吧， 他第一位呢，向我们开发一个数学模型。呃，然后呢，为每位参赛者在他们参赛的周四中生成估算的粉丝投票数，那么这个粉丝投票数呢，他是未知的，且被严格保密保守的秘密。就题目给我们的这个数据呢，它里面是只有这个评委的投票数啊，评委的投票数是给出的，但这个粉丝投票数呢，他是完全没有给出的。 然后大家这里面有分了几个子问题啊，一方面是问我们这个模型是否去正确估算了，导致与每周谁被淘汰的结果相一致的粉丝投票啊，提供一个一致性的度量。再一个呢，我们生成的这个粉丝投票数呢，有多大的确定性？那么这种确定性呢，我们要去进行度量。好，我们来看一下这个 ct 目第一问的这个思路， 那么其实呢，整个这个 ct 目呢，它的核心难点就在于我们的粉丝投票数据呢，它是一个未知的引变量啊，我们是只知道粉就是评委的打分和它的输出，输出呢就是谁被淘汰了嘛，对不对？ 我们需要根据这两个呢去反向推导出我们粉丝投票的分布，这是我们的这个问题的核心难点所在啊，也是我们必须要去完成的一步，就是我们第一步呢，先把这个完成，之后呢，我们后面呢才有的做，能理解吗？所以我们基于这个推导出的数据呢，才能够进行后续的政策分析和模型优化。 好，我来看一下啊，针对于问题一，问题一呢，这个估算粉丝投票模型呢，这就是一个参数估计和引变量推断的问题啊，那么这里的模式给大家讲这种三种方案，这三种方案呢，首先第一种方案啊， 就是这个用限行规划或者约束满足模型，那么我们这个呢，就是说把每一周的比赛看做一个方程组，那么假如说每位选手某位选手被淘汰了，而另一个选手就晋级了，那我们当时呢，是必然满足当时的规则约束的啊，比如说他的这个得分啊，是比令格高的，我们把这个粉丝投票占比呢作为决策变量来满足啊，所有淘汰约束为条件 去建立一个优化模型啊，我们建这样优化模型啊，我们的目标函数呢，就是去最大化粉丝投票分布的方差啊，或者最大化商议，就是说在没有信息的时候是最随机的，然后我们去做一次性检验就可以了， 就是计算模型生成的这个排名呢和实际排名的这个系数啊。那么这种思路他的优点呢，就是在数据推导上是比较严谨的，而且我们呢能够生成出一个可行解。那么缺点呢，就是在于他对于排名真的涉及到这个主规划问题就求解呢，是比较困难的，而且可能会存在多克几。 那么在针对于这个本次竞赛而言呢，呃，这个竞赛的潜力还是比较高的啊，就是得分潜力，呃， 就针对于以往这种剑魔比赛而言呢，这是一个比较标准的这样一个运球学剑魔的方式呃，结果是比较稳健的。那么另外一种也是我这次推荐大家去选择的这样一个做法呢啊，就创新性比较强的呃，也比较能够呃帮助大家去进行获奖的这样一个， 我这样去打讲吧。那么第一种方法呢，可能竞赛的获奖潜力就是 h 奖啊。那么第二种就是美赛评委比较喜欢的这种创新性比较强的做法，那我们的这个思路呢，其实就是贝耶斯马尔可夫列蒙特卡罗方法， 我们这个时候就是说不由不要求去求一个单一的追优解，而求这个粉丝投票的概率分布啊，我们假设粉丝投票呢是服从某种鲜艳分布的，然后我们根据每一周的淘汰结果呢，作为观测数据去更新我们的后焰分布啊，正是它的这个相应数量形式。 然后我们过去呢，可以去啊，去研究他这个确定性度量，那我们这个确定度呢，度量呢，就可以直接通过后验分布的标准查或者这些区间去回应题目中关于这个确定性度量的问题，因为这个题目呢是明确要求我们啊，要去看一下我们这个粉丝图标总数呢，有多大确定性的 好。那么这种方法呢啊，它的优点呢，就是我们可以去完美的回答关于确定性的提问啊，而且在理论的这个思维程度上是比较深的，这个难点就在于它的计算量比较大一点，然后代码编写复杂，但这个呢，大家不用去管啊，我这个代码呢，我会呃去完成这个十一的编写，然后大家到时候直接运行我给出的这个 python 代码就可以了 啊，还是跟以往的时候比赛一样，我都会给出这个代码和结果的。好吧，那么这个在竞赛获奖前提方面呢，基本上是能够拿到 m 的 o 奖的。就这个思路方面， 这种模型呢，在求解这种不确定性的繁衍问题上面，基本上可以说天花板了啊，就顶级方案啊，当然还有一种思路呢，就是采用奇葩式模拟或者说遗传算法。呃，这个呢，结果是疑心比较大一点啊，这个我们作为一个备选方案啊，就是说假如我们前面两种方法呢，真的要做不出来的话，就根据实际数据学求解啊，很难跑或者跑不出来的话 啊，那么可以作为一个备选方案。好吧，这个就不跟大家多讲了，来看一下他的第二问。待会他就问呢，让我们根据这个粉丝投票估算值和其余数据啊，就说现在我们这个数据已经得出了，对不对 啊？那包括其他数据，然后根据这些数据呢？我们先汇总完了之后往下看一下，开始让我们去比较和对比节目使用了两种结合屏幕和粉丝的方法啊，解决出排名和百分比在各级产生的结果，然后如果能在结果上出现差异的话，那么是否有一种方法似乎比另一种更偏向于粉丝投票啊？当然再就是我们去检查应用于特定领域的投票方法， 那么然后说世界名人身上呢，都存在争议，也就是存在这个分歧，大家问我们的结合评委方法和 vs 投票的方法呢？是否会导致这个结果相同？再一个就是加入评委，选择淘汰倒数两对中哪一对的额外方法会产生影响结果。这个答案看不懂啊。这个后后面关于数据的注示啊，以及投票方案的制定里面， 呃，人家都有跟大家详细讲，当然大家如果这个呢看起来比较复杂一些，大家可能会听不懂，没关系啊，我在后面呢，我有一个汇总了整个这个关键信息，以及每一问里面我们可能要去注意的一些关键的鉴摩点和注意点，我一会跟大家去讲吧。好吧，呃，我们先来讲下这个思路啊。好， 第二问，我们就是做这样的一个交叉验证模拟，呃，其实我们问题一呢，现在已经得出了对不对？我们就是只是根据问题得到这个推断数据呢，去进行反式式的推理就可以了啊。行，我们第一步呢，我们该先做这个交叉验证的模拟，我们建立一个仿真器，然后我们的实验组啊，第一 就说针对于这个，我原来是百分制笔制的这个数据呢，我们去应用排名制，然后针对于原排名制的数据呢，去应用百分笔制啊这样的一个规则。 ok， 这个我们可以解答呢，是否有一种方法似乎比另一种呢更偏向于粉丝投票问题？好，那么关于第二个看一下 啊，就这个针对于特定案例的分析啊。好，那么前面一个呢，我应该跟大家讲清楚了啊，就是要去后面去做一个偏差度量嘛，就定义一个评委友好度的指标，然后去比较一下这两种机制下这种指标的差异啊， 来看一下是否是会存在啊，这个粉丝一边倒去覆盖评分的这种情况。那么另外一个，接下来针对于这个针对特定案例的一个分析，我们先去提取出来这些人的这个数据，然后我们集中在于以下他们在另一种规则之下的这个新生存概率 啊，嗯，针对于这个加入评委选择抛开倒数两对中啊，哪一对的额外方法呢？会如何去影响结果这样一个问题呢？哎，这里呢就是说关于这个评委拯救环节啊，这就这个条件概率问题就是假如说某个人在某个模型中啊，落入倒数两瓶里面， 并且他的评委分呢是高于对手的，那么假设他被救回来，回去分析一下这是否改变了最终的结果就可以了。那么这个问题二的鉴物术呢，是比较确定的，就说只要问题的数据生成好了啊，那么问题二呢，主要是进行统计和进行逻辑判断啊，思路是比较确定的，来看一下问题三， 问题三就是说使用我们的粉丝投票估算值数据呢，去开发一个模型，来分析各种职业舞者以及数据中可用的名人特征，比如年龄啊，行业啊等等这些影响，然后去分析一下这些因素呢，在多大程度上去影响了名人在比赛中的表现，以及他们以相同的方式影响，是否是以相同的方式影响了评委的评分和粉丝投票。好， 这个呢就是一个典型的回归分析和归音分析的问题，那么这里呢有两种方案，一个呢就是这种混合效应分析 好，我们可以把职业五指呢设定为随机效应，然后把明星特征呢设置为一个固定效应啊，然后呢给出具体的模型，我去分析一下啊，来看这两个方程的，这个评委和粉丝两个方程里面呢，系数悲叹的显著性和大小啊， 来看一下这个系统呢，在这两个模型中呢啊，它们的是否显著的这个问题啊，那么这个呢是我比较推荐大家去进行选择的啊，这种混合效应模型呢，是比较能够去啊，比较好的去处理面板数据的，比普通那种心灵回归模型呢是要好一点了。那么另外一种方案呢，就是这个随机森林或者是啊叉子 boss 啊，其实就是基于树的那些模型啊，比如角色树啊，随机森林啊，就是基于呃树啊，对这种模型 积极学习模型。那么这个呢，就比较无脑一点啊，应该大家大家做过数据分析的题目应该都懂啊，就是你直接把它导入进去，然后跑一遍，就可以得出每一个侧重对于结果的贡献度了 啊，这个呢，优点呢，就是我们能够很好去捕捉非现金的这种关系啊，就直接周谷会跑出来一个重要性的排行啊，这个大家做过数据分析类和积极学习的人都懂， 那么这个呢，就是缺点就是它的解释性能差一点啊，就是我们不能从内部的机理和因果关系呢去很好的解释啊，我们只是跑出来这么一个结果，就传用数据进行驱动啊，这个呢，我后续这样的方案我都去做一下吧啊，看一下哪个效果更好啊，当然目前我推荐的是这个，大家去选第一方案是核像也模型好， 那么最后呢，就是要去提出这个新赛制的嘛，对不对啊？提出抑郁症，每周使用粉丝投票和评委评分的这样的一个系统 啊，让这个系统更公平，或者是在某些方面更好，比如说让这个节目更刺激啊之类的啊，我们自己去选择一个目标，然后呢，哎，去提出一个新的系统就可以了。好， 这样呢，大家就比较自由了啊，有很多种方法，比如说啊，你可以采用加卷法啊，这个理由呢，就是说，呃，好处呢，就是我们可以兼顾名次和表现的差距啊，我们保证每一跳都有这个价值， 要么呢，我们就基于等级分的这样一个动态权重系统，哎，我们随着赛季的进行呢，评委评分的权重呢逐渐降低，然后粉丝权重呢逐渐升高，这样的话，只是大家越看越刺激了，越看越刺激，呃，我们的目标就是追求刺激，对不对？那么再就是啊， 我们可以结合这个评委拯救啊，比如说啊，我们的评委分如果说排名前三的话，那么本周啊，那么无论粉丝投多少票都不会淘汰，我们可以保证那些技术最好的选手呢进入决赛，并且呢同时呢剩余的名额呢交给那些粉丝去进行，我们这个投票就是兼顾了这个公正与这个观赏性 啊，这个呢，大家比较自由了啊，这个关于这个新赛季的提议，大家可以再去提出一些其他的方案，我这里呢也只是给出三种啊这个建议啊，那么在整体的建议上面呢啊，呃，我们大家必须要拿下分，是问题一和问题二，我们要去构建一个稳健的将这个蒙特卡洛模拟框架，去解决这个数据缺失的问题。 好，再一个就是我们后面会拉开差距的分啊，就是会让大家拉开差距的分，一个是问题一的不确定分，不确定性分析是比较重要的，然后呢，问题三的这个混合效应模型，这两个呢，我们在过程中必须要去展示非常漂亮的啊，这样一个自信区间图和系数显著性的这样的一个表格图啊。好， 接下来我给大家讲一下这个题目，我们的一些关键信息和雷区以及注意点，你们大家可以看到呢，这个题目呢，呃，这个数据的注视啊，描述，关于数据的这个描述注视啊，然后包括呢各种投票方案的势力，以及一些规则啊，规则，比如说呢他 啊，这个 a 值是什么意思啊？零分是什么意思等等这些东西，这个是非常非常复杂的，所以呢，我把题目中一些比较关键的信息和连续注意点呢给大家提取了出来啊，那么在视频的后面呢，我来相信大家去进行一个补充啊，防止大家容易踩坑的点。好， 首先是呢魔剑魔里面最容易出错的地方就是这个关于规则变迁的时间线，我们的代码呢，必须要能够根据我们这个赛季呢则自断的去自动切换它的计算逻辑阶段一就是这个排名制，它这个使用赛季呢，是第一赛季和第二赛季啊，这个逻辑呢是这样的 啊，排名制他们的淘汰规则呢？是这样的啊，我就不给大家多注注了吧，好吧，据说数值越大的排名呢越靠后，然后呢他数值越大的就会被淘汰，就这个投票排名制的同排名的制，这个题目里面的这个我后面也给大家讲了啊，后面也跟他讲了， 就说排名越大越靠后。好，那么这里呢我们要去注意一个问题，那如果说我们的总排名是平局怎么办呢？这个题目是没有说的啊，我们需要去进行一个合理的假设，这也是大家需要注意的个点，就是如果说排名出现了平局怎么办这样的一个问题。 好，那么另外一个就是基站案也就这个百分比值，这个呢是在第三赛季到第二十七赛季里面去啊，然后这里是他的这个排名的逻辑 啊，就是各自有各自在帮占比的这个百分比。那么啊，评委分是这样的，某选手的评委分，我们这个百分比的设定呢，就是说这个百分比的设定呢，就是说意思就是说啊，评委分的百分比，就是说某选手的评委分除以当中所有选手的评委总分， 当然了另外一个就是这个粉丝的这个百分比呢，就是说啊，这个选手的粉丝票数除以当中总粉丝的票数。好，我们它的规则呢，就是说 数值最小者被淘汰。接待三呢，就是说啊，从这个第二十八赛季到第三十四赛季，这题目是假设从第二十八赛季开始啊，就是具体的是从哪一个赛季开始的，是并没有说的啊，题目里面说的是假设哦， 那么这个呢，是重新回到了排名至区区三，咱们综合排名这里呢，关键差异呢，就是跟我们最开始的这个排名的这关键差异呢啊，就是有一个综合排名倒数两轮，这个选手呢会进入生死 pk， 那 么最终会淘汰谁呢？是由评委现场投票决定的，而不再是由综合排名决定的，能理解吗？ 虽然在在我们建模里面会有产生一个影响，比如说在第二十八赛季到第三十四赛季的这个逆向推导过程中呢，如果说某一个人排名综合排名呢，是倒数第二，但他没有被淘汰，这是非常合理的，因为评委把他救了，他能理解吗？ 好，那么另外一个问题呢，就是在我们数据清洗和处理方面会存在一些雷区。首先是关于零分的这个含义啊，比如数据中呢是零的，就代表这个选手已经被淘汰了， 然后呢评委人数的变化，有的时候呢可能是三个评委，有的时候呢可能是四个评委，在这个处理方面呢，我们就不能直接用总分了啊，我们必须得去归一化啊。再有个关于这个小数的处理问题， 包括这个 na 值， na 值呢代表的是缺席啊，这个评委或者说休赛周，这个呢，我们在主取出局中呢啊的时候呢，要进行剔除啊，最后呢就是多余一人淘汰，或者说无人淘汰啊，这只是我们相应的处理。 好，那接下来给大家讲一下每一问啊，我们前面的思路已经跟大家讲过了，我们接下来要讲一下每一问的这个注意的点，那么在问题意义里面呢， 前面的思路我们给大家讲过了啊，这点重点就在于我们如何去回答这个确定性的问题，那么有些中呢，这个评委的分叉是很大的啊，粉丝投多少票都破去改变它的结果，那么这种情况下呢，它的确定性是比较低，大家能理解吗？ 那么另外一种呢，就是说评委分是比较接近的，所以呢粉丝投票的微小变化就会导致他们的排名会出现很大的变化，那么这种数据呢，就会意思就是说它的吸引力呢是比较高的 啊，这个答案应该能理解什么意思吧啊，就是假如说分差很大，因为咱们是通过这个评委分和排名去逆退他的粉丝投票嘛，假如他分差很大的话，那如果说你这个粉丝投票呢，多少都不改变结果的话， 你偷懒出来这个趋利性可能是比较低的呀，因为你任何值都可以嘛啊？你偷懒出来任何值都行嘛，你高或者低都无所谓的，那你的趋利性当然很低了，就说它的可信比较差啊。另外一种呢，就是说你这个评委分比较低的情况下 啊，他为啥变化就导致他排名逆转，那么这个时候我们再通过排名和评委分综合起来去逆推他的粉丝投票的话呢？哎，这个就是我们趋利性非常高了，大家能理解吗？啊？ 所以这个这部分我们的衡量指标就是我们的可行结空间的这个奇迹，或者说我们的卡罗样品的方差啊，去看一下它方差大还是小好。然后针对于问题二里面呢，我们的核心 写就用我们去我预测出来这个票数呢，去套用不同的规则，然后呢去针对于具体的案例进行分析啊，比如针对于这个人，他在百分比之下呢，是赢了的啊，我们要去计算一下，假如说他采用了这个评委拯救规则，他会不会在半路就被评委给淘汰掉， 哎，那么再比如说这个第二个赛季的这个人，他在排名之下是亚军，那么假如说换成百分之十的话，他的这样低的分数呢？会不会被这个粉丝投票给拉回来？大家能理解吧？好， 对着问题三里面的这个影响因素分析里面啊，我们前面给大家讲过了，我们要去做这个回归啊，和这个相关性分析， 这里我有这么几个关键变量啊，首先是这个职业舞者啊，这是非常关键的，因为有些职业舞者呢，他的粉丝是非常多的啊，他们能够去带飞队友去演演投票， 我们需要去把职业舞者呢作为一个分类变量啊，进行编码来，或者说作为一个学习效应啊，一直说三四，最后加一个，在数据表里面加一个判定啊，就是看看他是否是职业舞者这样的个灵异判断啊，可以作为一个变量去导入进去， 或者说把它作为一种学习效应进行考虑。哎，那么另外一个就是他的职业归类，比如他的职业呢，如果说是什么球员呐，什么真人秀明星呐，什么老牌演员呐，哎，这个呢，我们也要把它作为一个变量考虑进去， 能理解吧？就在我们这个分析影响因素的时候，我们哪些变量都需要去进行考虑，我先给大家讲一下啊，关于这个职业问题，我们也得考虑进去。 那么再一个呢，就是这个年龄问题了啊，啊，比如某的老某些老人呢，他可能会有些情怀分啊，他的粉丝票呢，可能会比较高一点啊，那么比如说年轻人呢，可能会呃，票都好，那么就偏位分比较高。哎，这个呢，我们只是最开始的这个初识判断啊，只说具体有没有关系，我们就是看后面的那个回归和相关性分析了吗？ 对不对？在我们最开始的这判断的时候呢，我们也先研究一下，大概哪些因素呢，可能都会产生影响，能理解吧， 而且我们在这里呢，不仅要去分析这些影响因素呢，对于结果的影响，还要去分析对于评委分和粉丝票的影响啊，因为这个题目呢也没辙，问了他们对于评委和粉丝的影响方式呢，是否是一样的？ 好，那么大致的这个 ct 幕完整的思路呢？和一些啊，这个在我们纠结过程中啊，要去注意的一些关键的信息和雷区啊，以及一些注意点呢。我这个视频呢，应该都跟大家讲清楚了， 那么这个 c 级目呢，完整人生的问题，现在代码和结果呢，预计会在明天就是一月三十一号的中午左右就会更新完毕，那关于这个完整成为的说明，大家可以看这个视频的评论区。好， 稍后呢，我会再跟大家去讲一下这个 a 级目完整的这个思路啊。呃，我们这次呢会选择 a 级目和 c 级目呢，两到几目啊会同时进行，那么 a 级目思路呢，我一会会再出一个视频，那么这个视频呢啊，大家也可以转发到你的队友群里面，和你的队友呢继续商讨一下选题。 呃，以及呢，假如你们队伍选择 c 一 梦的话呢啊呃，给你们队伍呢啊，转到你们队伍群里面啊，可以去一起看一下，你们在休闲课中呢，可能容易踩了一些坑个点， 呃，包括这个题目的赛前思路，大家都可以去看一下。呃，希望能够帮助到大家啊，呃呃，希望大家呢都能够获得满意的奖项啊，谢谢大家。

好的，亲爱的小伙伴们，大家好，我是老哥啊，今天呢，给大家整理了二零二六美赛 a， b， c， d， e， f 体的这个翻译哈，这个相关的一些工具啊，我们用我们的超级的这个 提着头给大家整理出来了一个 a， b， c， d， e， f 题的，整个的一个赛题的一个啊，相关的一个解析啊，模型的选择，以及相关的一个创新点的总结，以及相关的难度分析和选举的建议哈，大家可以看一下哈，今年的话呢，美赛的 a， b， c， d， e， f 题吧，顺序有点颠倒哈， 往年的美赛的 a 题是不可能出这种题目的啊，往往会出一些比较偏门的一些，是一些什么微方程啊这种激励分析类的赛题，而这个 而这个 a， t 呢，呃，智能手机电池耗电建模啊，这个确实出乎了我们的意料啊，只不过呢，很多同学啊，用这样说，老哥，既然是预测的话，我直接用时间系列预测模型就不就行了吗？对不对？你们记住哈， 每赛我觉得 a， b， c， d， e， f 他 出错的概率是非常的低的啊， a 题呢，历年往往都不可能是一个单纯的数据分析类题目的，你说这个，老哥我用一个什么灰色预测，回归预测，直接预测 打那个耗电不就行了吗？啊，你直接耗预测和剩剩余时间随时间变化。函数，我直接用一个基础的回归函数，我直接用一个基础的回函数不就行了吗？你记住，这是 a 题， a 题往往就是机理建模，机理分析，所以说这个题目的核心一定是机理建模的，用一些数学物理的公式，哎，把耗电量和各种各样的参数，他内部之间是怎么关联的 啊？内部之间具体的机理机理的流程啊，只有你把这个串联起来，你才能够建好模型。 所以说 a 题啊，绝对不是一个单纯的时间训练分析题目，我们后面会给大家讲到怎么拿大奖，拿大奖的话，如果你想拿奖，我想拿一个 h 奖 m 奖，你用一个单纯的经历，一单纯的时间训练分析类，或者用普通的继续学习算法，是不可能拿奖的，所以大家一定要注意啊，这个地方要慎重，要慎重哈， 来啊，这是我们的 a t 的 一个翻译哈， a t 的 一个翻译。 b 题的话呢，太空电梯系统建立，求直微的，你不要被这个题吓到。首先啊，这个题的话呢，你千万不要被吓到，不管是什么太空 g t 还是月球 g t 还是什么火星 g t， 本质上来说就是优化 啊，本在本上来说就是涉及到多个系统的问题，他逃不出这个去的， 和本上和建一个医院啊，建一个修一个学校啊，基本上没有什么区别，所以你不要被他吓到哈，难就难在这个题目可能会涉及到数据的问题， 数据不好找而已啊，但是传统的我们常规的一些优化模型基本就可以做出来，大家呢，也不用担心好吧，这个题目呢，你也不用太担心，后面我会讲到一一的分析啊，就每个题目看了没，他会有一个完整的分析报告啊，到底评分依据或讲难点，解析要点，解析思路或讲要点哈，都给大家讲到的，所以你也不用担心啊， c 题，这是一个比较基础的一个机理机，一个数据建模题目了又，我说说的记忆学习分析题目啊，这个呢，就是有点，有点不太，有点就 突突兀哈啊，今年呢，就是搞了一个节目啊，搞了一个节目叫舞动奇迹啊，说白了就是观众投票之类的，人家得到相关的数据分析，给了大量一些数据表啊，今年的话呢，我们用 ai 是 今年我敢说是每赛历年获奖难度最大的一年，也是小白获奖最好获奖的一年。为什么？因为今年的 ai 将会是 ai 在 世界剑魔领域彻底渗透的一年，也是彻底渗透的一次比赛， 尤其是个 ct， 给的数据集竟然不多啊，给的数据集竟然不多啊，这也是超乎我的预料的啊 啊，你如果给的数据不多，那 ai 就 可以直接给你处理掉了， ai 就 可以直接给你处理掉，所以这个题目的核心就是你一定要做出创新性来，如果你没有做出创新性，你就利用了一个单纯的继续学习算法来做的话，那你这个题目想获奖就不可能。我们给大家讲了四种创新， 四种创新，对于啊，在这个位置上，那么你必须要选择一到两种创新来做，因为大本同学我估计会选这个 c 题好吧，因为这个 c 题给了数据，也给了相关的一个难度系数，也不大，给了相关的一些一些。那个啊，题问题呢，也不是特别的复杂，但大本同学我估计会选这个 c 题， 既然如此的话，那你必须要有创新，你没有创新的话， ar 十分一个小时就可以做完，我一会呢，会给大家演示 c 题，用 ar 怎么来系统来建模，而我们 给大家用到的这个提示词儿看了没？我，我的超级 ai 模拟题，求解题词儿里面啊，看了没？这就是完整的一个求解，一个系统的呃，数学建模题目，它的一个 ai， 一个提示交警提示词儿里面有一个，看了没？ 第一，模型选择阶段啊，你看用 ai 提升的词和不用 ai 提升的词呢，结果完全是不一样的。用 ai 提升词呢，我会让他给我创新，看到没，而且有三种创新啊，你给我任意的每个小位必须要给我选择至少三种。三种创新方案是至少选一种， 第一个算法改进创新，第二个交叉领域创新，第三个算法组合创新。这个你必须要放在你的 a r t 你 的模型选择或者模型建立里面，如果你没有，你仅仅选了一个基础方案的话，那你拿奖是几乎是不可能的。 纠本呢，我们有四种啊，在这个地方我，我一般建议用三种就可以了。第四种只有一种场景，就是优化了，就是预测类问题啊，预测类问题啊，这三种的话，能解决百分之九十以上的数学建模题目，而且能够得到创新型的算法哈，这呢，后面会演示啊，后面我会一一的演示啊， 大家也不用担心啊，一会会一一的演示啊，然后具体呢，这个题目的话呢，难度系数就比较大了， 但是这个题目也是我认为获奖最好获奖的一个题目，因为大本同学，只要你没听老哥的视频的， 我相信你百分之百想不到相关的一些思路啊，你最多也就按照一个普通的啊，体育赛事的一个一个研究啊，就建模去做了，比如说 a 题呢用系统动力学， b 题呢用，呃，第二位啊，这个第一位的系统动力学，第二小位的话用，用我们的卡罗模拟或者一些其他的模拟情况来做。 但是这个题目啊，记住体育赛事也好，经管类问题也好，你们记住一个事情哈，就是你想获奖，你必须要用，尤其这种冷门，看了没？体育赛事管理，这属于偏冷门了，对不对？ 没有说没，很很少有单独的模型是研究这个的，对不对？还有什么学校的管理，还有什么就是比如说一个部落的管理 啊，这些偏冷门的问题就是研究的没有那么细致的，你们记住一定要有创新，创新点核心就在于交叉创新。我们所说的刚才我给你们提的头里面看了没有？三种创新方案， 第一种算法改进，第二种交叉领域，第三种算法组合。这里面对于地体这种偏冷门的赛题的话，你们记住交叉创新是典型的，哎呦，因为没有人会研究一个专门的冷门的问题的，对不对？比如说球队运营， 我可以用养殖策略啊，我不是说贬低，也不是说歧视啊，我没有这个意思啊。啊，我比如说我可以用，是吧？这个这个养殖的一些策略，或者我可以用一些种群部落的管理，生态学中的一些种种群部落管理 啊，比如说，哎，我们一些种群哎，蚁群啊，或者是一些鸟群啊，哎，怎么去管理的？然后呢？对应的应用到我的体育赛事管里面，这叫交叉， 懂我意思吧？或者我用一些比较偏偏的一些方向，就像我说的传染病模型吧，我传染病模型 sm 型对不对？我原来的是用在传染病疾病的扩散领域的，我现在把它用在了舆论传播，新闻传播领域，这就叫做交叉。而对于这个题目，我觉得最好的创新就是交叉。 好吧，交叉交叉创新这个题目获奖非常关键哈，如果你没有用交叉创新的话，那你就要好好的思考思考了哈。 来，还有什么一体被动式太阳能遮阳系统这个题目的话，说实话哈，这个有点小难度啊，因为什么呢？这就是我们传说中的 a t 是吧，美赛的 a t 往往是这种类型的题目，就是一些比较冷门的设计，像什么让你设计一个对吧，浴缸啊，设计一个人机工程学的座椅啊，而现在的被动式太阳能系统让你用在了一体上面，这个题目超出出乎预测啊，因为一体的话一般是可环境和可持续之类的， 但这个的话也属于可持续哈，因为太阳能嘛，对不对？这个题目的话呢，你核心就是你就要 首先的话呢，知道啊，怎么构建相关的一些微型方程是吧？那个积累分析啊，积累分析必须要有的，像什么热传导啊啊之类的要做，还有就是常规的优化类问题，什么目标优化，优化模型要构建 对不对？这两个是核心啊，你必须要学会构建啊，一会呢，我们可以讲到，好的这个题目的话难度系数不大，但是呢就是难点就在于比较马就要求解的话呢，就是要对模型啊，建模的要求比较强一点啊，就就比较典型的数学建模难题，数学建模题目 啊，因为 ai 吧，也很强的，在这题目也不在话下，也不在话下。 f 叫政策类题目，政策类题目我们啊政策类题目的话，我们求解的一个非常关键的模型就是系统动力学模型，你们记住哈，解决政策类题目 啊，往往用系统力学是最典型的一种算法。做 f 题的话呢，大部分同学我估计都会用这个系统动力学模型， 因为要要评估政策对未来的一个影响，这个任何的模型都模拟不了任何的模型啊，只有系统的理学这种半积累模型，我们说才能够分析这个政策对未来这个影响。所以这个题目大家很关键啊，只要用好这个，这个题目就可以解决掉了啊， 来啊，整个的我们来具具体来看一下， a 题一共有四个小问，第一小问叫构建连续时间模型，描述电池剩余电量随时间的变化， 对不对？一定要考虑多种因素的影响，不能单纯的就用电池原来的电量和是吧。然后呢，预测未来的电量，这种是不能的，因为题目已经明确告诉你了多因素的影响啊。那第一小问呢，就具体分析，不是一个单纯的数据分析类题目，你们记住啊。 第二小问，预测不同场景下剩余续航时间，分析耗电系统，这个就是一个预测类问题了，预测不同场景下剩余续航时间吗？对不对？第三问，分析假设参数使用魔镜对影响，这就是一看这个问题就是 敏感性分析吗？是不是因为参数对结果的影响？这不就典型的敏感性分析，某一个参数的改变对于我的结果有什么影响吗？对不对？这个题目我觉得不应该单独作为一个小问， 为什么？因为单独做一个小问的话很匪夷所思哈，因为每这个是不，百分之百你必须要做的，对不对？你不是说哦，题目没问你是吧，没某个参数对结果的影响，你就不做了？ 百分之百你是必须要做的。同学们告诉大家啊，百分之百你必须要做啊，你不做就不行，记住哈，百分之百必须要做的啊。还有就提出用户和操作系统层面的省电建议，这个就决策建议类了啊，就学一下 demo 之类的啊，学一下 demo 之类的啊，建议建议信相关的东西哈。 然后推荐算法啊，第一个激励分析类啊，推荐的算法是什么？什么扩展型，带为难等等效电路模型加温方程组 啊，这个推荐的是这个算法，这个算法的话还有点创新性的哈，来贴合锂电池电子化、电电化学基体可量化多因素对 soc 的 影响啊。这说白了就是你看融合了微方程，所以 a 体的话，你要但凡说我用时间系列预测模型，那有点小问题哈，第一问哈 来，第二本预测类，其实机机理模型的模特卡罗模拟啊，原因是什么？可处理使用场景的随机性，量化系数不确定性啊，因为使用场景是随机的，你可能上人厕所使用，也有可能听课使用， 也有可能在路上使用，也有可能看视频使用，所以你的场景非常的多，所以用模特卡罗来模拟多场景的，这可是关键。 来第三节问敏感性分析，这个就无所谓了啊，你只要做好敏感性分析就行了，这个官方推这我们推荐就是这个买水刷牙把和手把手把纸把。这个其实啊，都还好哈，你只要能把这个做出来就行了，你们改变参数的结果，看看 这个这个结果怎么变化，因为第一问和第二问才是获奖的核心啊，第一问第二问，大家不管怎么样，一定一定要把握好，一定要把握好，好吧， 来后面的政策建议类啊你，你多多少少吧，你想拿奖你就别整的吧，这个，这个太 low 啊，你可以什么多标规划之类的，用多标规划算法，多个省电目标，别续航时间长，使用体验，使用体验好之类的来找到一个自由平衡。因为你不要说把 f 题，把 a 题的最后一问就当成写个建议了， 老哥，我整合前面弄一针我我的小建议行不行？今年 a t 竞争非常激烈，同学们，我建议不管怎么样，你们一定一定一定啊，说白了啊，真的一定一定，老铁们，明白我意思吧，不要上来就用什么啊，不要上来就就说白了，老哥我那个 对吧，就就用一个，那个什么行不行就用一个啊，写个建议行不行啊？今年 a， 今年数学建模将是最难的一年，老铁们，我们不管怎么样，我们都要建立的有点创新性行不行？ 政策建议类，你也要做出点花来好吧，但是不管怎么样，你们记住啊，一定要做出花来，好吧，你不知道怎么建模怎么内容的啊，老哥这里也有哈，我们 a t 到时候呢，相关的 solo 代码包里面还有 b t 的， c t 的， e d， f d 的 啊，我们都把相关的思路解析原代码都放到这个代码里面，如果你实在求解不出来了，你也可以看什么用老哥的超级 ar 提示词，我们 ar 提示词里面也有哈，在这个地方 啊，超级 ar 提示词里面也有有十七道。一会呢，我会幸好演示一下到底每一小问啊，就是到底怎么来做的啊，每一小问 a 题的话，超级 ar 提示词，他到底是怎么一步一步的把这个题目建出来的 啊？没有领取到咱们的这个思路代码的，大家一定要去领取一下，到时候我们会把 a t 的 相关原代码点击思路啊，论文答案之类的，包括我这个文档啊，我这个文档也都会放到我这个 a t 的 这个这个相关这个资料里面。好吧，没有领取到，抓紧去领取一下哈。来 啊，最后一问啊，决策建议类啊，你们必须要啊，不能说单纯的就上来就提供一个小建议就完事了啊，必须不能提供一个分析，好吧，一定要有一个分析哈，来， 这个难度系数，整体只整体是三分好吧，难度系数不大哈，这个 a t 的 话呢，整体的难度系数并不大哈， 然后评分的依据啊，模型复杂度是中等的啊，因为就要结合一些电化学记忆多因素融合是吧，这这个其实难度系数并不大哈，因为这些内容的话，我们在一些网上公开的一些资料都可以找到 啊，然后呢，数据获取难度低啊，可以通过一些公开文件厂商数据，这个的话呢，网网上也是资料比较多的啊，老哥这里给大家提供好，到时候提供好以后，我们直接就给大家放到这个 a t 这个里面好吧？ a t 的 里面啊，给大家放到这个 a t 的 里面好吧？啊？ a t 到时候直接给大家放到这个 a t 的 里面啊，相关的一些资料哈，啊，包括数据之类的给大家放到这里面哈， 然后就是这个，呃，创新性要求中等啊，但是我说实话哈，如果你让我来推荐大家做哪个题目，我给你们推荐哈，我百分之百会推荐你们做 a t， 为什么呢？因为这是一个非常非常典型的数学建模问题了，对吧？就是你按照流程来，按照老哥的要求来，你做出来之后去，说白了你起码来说没有那么大的坑， 对吧？像什么太空电梯啊，像什么体育赛事，说实话啊，都有点偏啊，都有点偏， 我最推荐的就是大家做 a t， 我 觉得这就是典型的数学建模题目了，难度系数并不大，说高也不高，说低也不低，每个人会的数据也不一样，所以大家得到的结果也不一样，有创新吗？哎，你的微方程那个地方，你只要弄的复杂一点 对不对？你只要最后一位上个目标规划啊，你只要在，是吧这样的，所以说这个创新硬有难度系数还不大，数据也没那么难，我觉得这个题目你要让我来做哈，老哥你要是你做，你会选哪个题目？我就会选 a t， 真的，老铁们，别的题目说实话都有点坑，对吧？都多多少少吧，有点麻烦，像 b 级吧，太空电梯有点小麻烦， c 题的话，与星共舞也有点小麻烦，数据量那么那么那么乱对不对？地理体育赛事吧，你说交叉创新，你能创业到什么程度？也有点麻烦， 这不是一体呢，你得有非常强大的这个，呃，这个这个，这个构建微方程啊，以及这个激励分析相关的一些能力啊，也不是很好做 f 的 呢。人工智能说很多同学都这个新动力学呢，豆芽都用这个，你很难创新，所以 a 体呢？你要创新有创新 对不对？要数据也不难，要好好深入的做，你就你就优化就行了，你就一点点的优化，比如说我参数，哎，我优化模模型可不可以再弄的复杂一点，就是你先构建一个基础模型， 基础模型就能够解决全额问题，然后你再一点点的生化，这样的话 a t 就 可以了。我们后面会给大家用全 ai， 用这个 ai 技术词哈，以完整的把 a t 的 给大家解出来， 直到生成一篇高质量的 a t 论文，你们再看一看啊，我用超级 ai 技术词来做的情况下，会做到一个什么样的效果？好吧，一会我们给大家直接来做哈，来演示，好吧，来，难点啊，难点就在于什么 啊？那建模工作量也也中等哈，难点就在于什么？多因素啊，就屏幕，处理器温度，每一个模块到底和耗电量是怎么耦合的，这是一个难点，只要这个解决了， 这个题目就可以解决了啊，这个题目就可以解决了，好吧。第二点，连续实现方正的构建，贴合电池实现，避免纯数学逆核啊，这个也是一样道理 对不对？这个的话呢，你不能纯属于你和你不能用一个基础的回归就完事了，你要顾及具体分析第三个不足，使用上下参数标准验证问题，这个蒙德卡罗模拟这个有点小难度对不对？你只要能把这几个解决了，好吧，这都叫小难度哈。还有就不确定性电话啊，不确定电话 啊，兼顾模型误差，有 c 超，这叫模型检验吗？对不对？你必须要做模型检验啊，要点就是第一个啊，是坚守连续时间见模合金，避免理散化处理。因为 a t 是 连续性问题，所以你别整成理散型问题了， 你 a t 要整成理散型问题，就背离了 a t 的 要求了，好吧，不要做理散化处理哈， a t 不要做理散化处理好吧， 比如说把整个的这个这个时间或者什么的场景模拟变成里散化数据不行啊，明确各耗电组建的低耗与参数取值模型，区分不同环境下使用对使用模式的一个影响，这个就说白了，改变吗？对不对？ 这个就说明大量的场景，比如说温度高的时候，热带或者是海南岛是吧？我极地的向东北东三省 温度，冬天比较冷的时候，我怎么样？就你要考虑大量的场景，刷视频的时候怎么怎么耗电，对不对？拍照的时候，所以说你可以拓展的点特别多，你第一天，第二天你可以构建一个基础模型，在这个基础模型的基础上你再生化， 这样的话你们就得出来东西都特别的好哈，真的，就这样的话，我觉得你的模型会越来越深，越来越深，这才是 ai 的 贡献，明白吧？ ai 不是 第一天你把你把你题目解出来了，而是第一天你，你可以用它做一个基础的框架，然后第一点后逐渐的生化，逐渐的生化，明白吧？逐渐的生化 啊，逐渐的生化，懂我意思吧？所以说哈，真的特别有意思哈，特别有意思 啊，我，我真的觉得特别有意思啊，这个题目啊，逐渐酝化，这样的话，你每一天都用 ar 酝化，每一天都用 ar 酝化， 来，老铁们，你们告诉我，你们这样的话获奖概率是不是比较大了？所以说你们啊，获奖套路就第一天构建一个基础的，第二三天不愿酝化， 比如说不同的场景，冬天夏天刷视频高耗电量是吧？然后呢？这个拍照，然后呢？这个普通的观看文本，数据文本的一些文档是吧？以及这个暗的情况下，亮的情况下，黑天白夜啊，你都不同的场景，那你肯定这个整个模型建的质量会非常的好啊。 点击思路，一步一步的怎么建模？第一问，构建锂，基于锂离子电池电化学反应建立基础 s o a 连续实践微方程，再逐一纳木屏幕啊，处理器耗电量等耗电组建，考虑温度对电池容量的修正 啊，先建立一个锂离子基础的耗电模型，然后呢，再把这些屏幕处理处理这些东西纳入到你这个微方程组里面，然后进行纠解 啊，参数估计是吧，建立好模型以后，基于相关的参数就是就是你，因为你建立好模型以后，你肯定要做参数修正啊，对不对？这个地方呢，我建议你们在这里增加一个内容啊，叫什么叫有限元法， 有限元分析啊，我建议你们在这个地方增加一个这样的模块啊，机理模型构建好了以后，最好先用有限元分析来模拟一下，然后再用真实数据来得到结果。好吧，这源于分析的话，你甚至可以做可直观演示，这就是获 o f 奖的标准了，你要拿 m f 奖 m f 奖的标准了。 做一个模拟啊，有限员模拟啊，因为我们知道你不管看网上的一些是吧，一些公开的一些耗电量，他会有一个像一些热力图一样的东西，对不对？看耗电时间，一个热力图一样的一个一个折线对不对？那个那个就非常的漂亮哈，给你们看一下哈。 哎啊，你可以增加这样一个模块，然后然后第二就是参数估计啊，收集到一些具体的行业数据了，然后呢？呃，把你这个据而成，因为你出你出来的数据特别的多，肯定， 所以说呢，参数肯定是有限的，所以你需要用最小而成来计算这些参数啊，最小而成计算这，然后这个就场景预测了是吧？利用是吧，这模特卡罗模拟，然后呢，设置不同的场景，说重度使用待机啊，低温啊，高温环境啊，来计算续航时间， 然后敏感性分析，用这种算法来做敏感性分析。提建议的话呢，我建议你们啊，刚才说了，建议大家可以放一个什么多标规划模型，或者是是吧，比如说使用场景最佳，或者是耗电量最小，甚至你可以用一个单标规划，没别多标规划，老哥太难了，我做一个单标规划可不可以？也可以哈， 来模型创新，在经典积累模型基础上融合多因素偶合模型是吧。啊，这是一种创新方案啊，模型创新 是吧，量化结果给出不同上一下续航时间及误差是吧，然后呢？呃，关键因素的敏感性分析组是吧，不同场景之下，这也是一个一个很好的一个获奖要点分析哈，还是格式化绘制 soc 啊，不同的，这个格式化也是一个获奖要点啊，你要想拿奖的话也可以把图做的美观一点哈， 然后模型检验啊，也计算一些各种检验，像二方 mse 啊，对不对？还有就是敏感性分析啊，灵敏度分析啊，鲁班性分析啊，都可以用，都可以，都可以拿来用一下好吧。 啊，鲁棒性分析老哥要不要做？我觉得这个地方也可以做一下，就极端的使用场景之下，别超低温，超高温，这叫极端场景之下来看看结果怎么样。所以说敏感性分析要做，鲁棒性分析我觉得也要做啊，这个地方呢，大家一定要记住啊，就敏感性分析要做，鲁棒性分析也要做哈， 然后呢，选题建议啊，就是这个啊，这个这个数学统一专业的推荐啊，然后呢，这个计算机专业的谨慎选择啊，因为避免过度依赖黑箱模型啊，因为这个地方呢，就数学物理专业的比较推荐功课这样的也比较推荐哈， 然后呢，这个文科专业的不怎么推荐，因为他涉及到什么机理建模了啊，涉及到什么电化学之类的东西了，所以文科专业的不推荐啊， 然后跨专业啊，工科的加计算机的可以读到零基础的不推荐啊，因为零基础的话呢，难度系数会相对大一点哈，微型方程，电池都都比较难哈，中等基础的慎重选择能力比较强的可以选择一下啊。 ok， 这就是我们的 a 题啊，难度系数整体来说不大啊。整体来不大啊，但是呢，我觉得获大奖很容易出现的 a 题啊。所以说，同学们啊，如果你能够读懂这个题目啊，你也会用 ai？ 我 建议你们选 a 题。做 a 题的话，如果我来做了，我就会选 a 题啊，百分之。我觉得百分之四十的同学应该都会选 a 题哈，今年 ok， 来啊，我们再来看一下。再来看一下 b 题啊，太空电梯。

博美赛啊，现在比的是你会不会用工具啊，拿奖之后啊，奖学金和保研加分都直接拉满了。给你们分享三个好用的树模工具，一条龙服务全部搞定。第一个就是 infam， 想要拿奖代码和图的就必须好好弄。 infam 现在接入了地表最强的编程大模型小柯的 opus， 你 只管把数学思路告诉他，那些复杂的遗传算法，神经网络代码，他秒生成， 直接就能够跑通，不像别的 ai 很 容易就出 bug 了，跑通之后再不断迭代记录就 ok 了。更好用的呀，是它的画图功能，论文里最费时间的模型，流程图、思维导图，用它就能够一键生成，配色专业，逻辑清晰，直接复制到论文里面。评委看到这么好看的图，第一眼印象就直接拉满了呀，想体验的评论区扣一，我给你发邀请码。 那第二个就是 dippo， 搞定美赛的全英文论文的翻译官，大家要知道，评委基本是母语，英语，母语人士就不要用普通语法去送人头了呀，把写好的中文部分扔给 dippo， 它的学术翻译地道的就像母语者写的一样，专业术语一个不错，很多科研人士都在用，用它润色一下，那个高级感就直接上来了，论文档次 直接起飞，读起来非常顺滑。第三个就是 overleaf， 你 直接把数码的 text 文件上传上去，就直接是一个稳定的模板了， 不用再慢慢排版了，像什么公式啊，表格参考文献什么的，一键搞定。更重要的是数目的比赛，作为一个三人比赛，就很需要这种 overleaf， 可以 多人实时同步写作的写作工具，你用 excel 把内容和图生产出来，再用 overleaf 慢慢排版，省心到离谱。好了，在这里祝各位比赛顺利，都能拿到好结果！

美赛马上要开始了，我看依然有很多同学完全没有头绪，没关系，只要你排版合理，再配上一个好看的图标，基本上都能拿二等奖。在这里我给大家推荐几个小工具，帮助大家做到以上两点，轻松拿下美赛。首先是 infmind 这个网站，专注于科研论文的工具， 美赛开始前夕，将你选好的论题直接丢给 inflight 跑一遍，跑出来的论文直接能用。然后再利用网站内置好的画图工具，搭建一个完美的图标，想不吸引评委都难。然后是排版，在这里我首推 t plus， 它的排版不仅合理，还支持多人合作排版与美赛的三人配置不谋而合，总之，大家赶快用起来吧！

只要你会抄，那你就一定可以拿到一个好的奖。所有参加美赛的同学，如果说你现在还不知道论文要怎么写，模型要怎么建，甚至连队友都没有找齐的话，本期视频将告诉你如何零基础速充并拿下 h 奖， m 奖甚至 f 奖。 首先我自己在第一次参赛的时候是零基础，并且队友还跑路了，但最终我们还是拿到了 h 奖。第二次参赛的时候，我们带队拿到了 f 奖。去年我把我的经验总结成了一些文档，那么有一些同学根据我的文档第一次参赛就拿到了 m 奖甚至 f 奖。 接下来呢，就进入正题。首先我再重申一次，本期视频是为零基础同学准备的，如果你是大佬的话，那么帮助不大。 这里呢，我就给大家透露一个比赛的秘籍，这个比赛包括美赛在内的所有的比赛都适用，只要你是公立的参赛，为了加分，那你唯一的策略就是抄，只要你会抄，那你就一定可以拿到一个好的奖。那为什么要抄呢？ 首先天下文章一大抄，不抄白不抄。美赛刚好就是个写文章的比赛，那对于这种比赛虽然有一些评分标准，但是这些评分标准呢，其实我们也看不到什么具体的内容， 但是评委他们是有自己固定的审美，这些审美我们可以在往年的获奖作品，也就是欧奖论文里面可以看出来，那只要我们去模仿这样的欧奖论文，那么评委看到了他自然就会觉得我们是一篇优秀的论文， 那么从而我们就可以拿到一些更好的奖项。那美赛怎么抄呢？大家可以看我去年的合集，那这里所说的抄其实是一种像素级的模仿，什么叫像素级呢？就是说你要一点一点的根据全部的内容来模仿， 从标题、摘要一直到最后的参考文献附录， ai 使用说明。为什么我们要这样去抄呢？因为你并不知道 欧奖论文到底是哪个部分出彩才拿到了欧奖，我们作为领袖的小白怎么可能知道呢？如果我们知道的话，那我们自己就可以直接拿到这个欧奖，根本就不需要学了，所以说我们要一点一点去抄。 那为了更好的去模仿，我们可以去总结一下所有的欧奖论文，他们有哪些共同点，那这些共同点是我们一定要做的， 那对于其他的点呢？我们就只能自己来感受了，我们可以选一篇自己选的题目里面自己最喜欢的一篇论文，然后来进行模仿，以它为主要主要的参考对象来模仿，这样就可以了。 那我去年的合集呢，主要是针对了二十四年的我讲论文，那这个每年肯定都会有一些新的变化，所以说如果你想 直到二五年这个欧奖论文它有哪些最新的变化，那你可以自己去探索，自己去找一下，那你也可以关注我，然后呢，你可以在后台私信我，我在今年整理完之后会发出来。 那今年我们除了可以自己手动的去查看这个欧奖的论文有什么共同点，我们还有其他的方法，那就是说用 ai 的 帮忙， ai 可以 帮助我们去看到一些欧奖论文这个共同点， 并且它也可以帮助我们直接去模仿欧奖论文来生成一些文字，但是这些首先需要你自己对欧奖有的论文有一些大概的了解。 那么如果说你还想知道更多的关于 ai 要怎么样去帮助我们完成比赛， 而且是全部的流程，也就是说从甚至从这个组队友，一直到这个选择题，一直到每一步要怎么写，怎么用 ai 来帮助我们完成。 那么你可以进一下我们这个答疑群，这个答疑群是包括我提供的所有的资料，然后后续如果大家对 ai 有 一定的需求，就是说你希望知道怎么用 ai 来帮助我们完成所有的内容的话，我后续如果需要的人多，可以考虑开一个直播给答疑群的所有的同学， 然后教大家怎么用这个 ai 来完成这个比赛。关于美赛的部分呢，就结束了，感谢所有能够看到这的同学，这是我第一次采用录视频的方式来分享自己的经验。 后续如果说大家还有什么问题，比如说美赛，或者说其他学习上的问题，或者说有哪些想整的活，都可以在评论区或者后台私信我，那么谢谢大家。

感觉你是那种寒假硕果，每赛前突击学习比赛攻略也能够拿奖的人。快速分享比赛期间的时间安排，必备高效工具。还有三个冲奖的要点。一月三十号开赛，比赛的四天我们怎么安排呢？我结合了自己大大小小的参赛经历，总结了这个时间计划表。 前面几天一定不要熬夜，因为最后一天要检查的论文细节太多了，睡得不够就很容易出差错。也不要卡截止时间才去提交论文，一般最后半小时提交系统都很卡，如果因为这个原因你没交上就很亏啊。 然后呢，就是比赛期间必备的一些工具，大家查漏不缺啊。第一个写论文的工具 the text 可以 用 overleaf， 这是一个在线的平台，团队三人可以共享写同一个项目，真的很方便。如果你用的是 word， 一定要提前装好 math tab 这个写数学公式的工具。 美赛嘛，最终提交的是英文论文， dpl、 google 都可以用来翻译，语法检查呢，可以用 grammar 论文，一般问题都不大，摘要大家就要小心谨慎了。和队员一起多检查数据集的公开网站，大家也可以提前去了解一下这些各个国家的统计局。 cargo 的 数据集都是比较常用的图表或者是图片配色呢，也可以直接参考。这个 还有个更简单的办法，就是在比赛的时候，你的配色直接参考一篇欧奖的论文，用取色器就能够知道别人用的是什么颜色。最后快速讲三个抽奖的要点。还没有论文模板的同学，明天一定要做一个自己团队的论文模板，里面要包含统一的中英字体设置、配色方案、图标规范等等。 美赛呢，又被网友称作是美术鉴摩大赛，其实啊，就是论文的美观性很大程度上决定了你是否拿奖。我还留了之前自己用的一些模板，可以直接分享给大家，需要的同学在评论区找我呀。 其次呢，就是文件管理，比赛过程中啊，他也会产出各种文件，比如说生成的图标，参考到的文献，搜集的数据集等等。你千万不要想着写完论文再去统一整理，尤其是文献这种肯定是乱糟糟的。大家可以在你们团队的小群里面，像这样分门别类的建好文件夹，把文件对应的传进去。 第三个，论文及时存档，每次在时间紧任务中，大家绝对承担不起论文没保存，因为电脑原因，一夜回到解放前的风波。不要太相信自己的电脑，最好的办法就是每天中午晚上两次，把当前的论文发到你们的小群里面。好了，看到这里，同学都会拿奖的，我是娃娃，带你打破更多大学信息差，拜拜！

更多干货关注树魔乐园公众号！

如果大学生寒假只选择一个竞赛参加，那肯定就是非美赛莫属了，好拿奖含金量还高，不管是奖学金还是保研呀，都能够进行加分。今天呢，给大家一条视频，把保姆级获奖攻略全部都讲清楚，帮助大家提升每项的奖次。 第一个就是美赛呢，全称是美国大学生数学建模竞赛，它是一个线上的比赛，中国学生都能够报名参加，要求的是同校三个人组队，四天时间内呢，从六个赛季当中选择一个适合自己的进行答题， 最后提交一篇论文就可以了。这里告诉大家，只要这个比赛按要求完成，论文如果说排版规范，再配上几张非常精美的图标模型，大概率就能够拿一个二等奖，也就是 h 奖。 这个奖项是国家一等奖，相对保研加公测还有拿奖学金都是非常有帮助的。我每盒期间呢，是参加美赛，获得的是 f 奖，也就是特等奖提名奖，相当于是一个国家一等奖，还被学校还有官方的一些账号所报道。 后面保研到博克大都很有帮助，所以我帮大家总结了优秀论文的图标模板都在这里的哦，打出六六六可以直接找我要，时间呢，不到两周了，今年的比赛是一月三十号到二月三号，千万不要错过。这里呢，给大家准备几个 核心的获奖关键团队组建呢，它是核心，三个人啊，必须要分货明确，一个人来负责建模，负责设计模型，推导公式。数学最好还得稍微放点算法，这样协助编程好编程， 那编程的同学呢，就要实践算法，然后处理数据，用 mylab 或者 python 做一些三维的比较美观的漂亮图标。然后最后一个呢是写作，负责产出非常规范的英语学术论文，英语是平面在线，而且还会有排版， 这里呢强烈推荐拉萨克，省时省约，而且排版还非常好看，是隐形的夹克像。另外还有几个小型的建议。第一个就是要多看往届的优秀论文， 摸清优秀论文的解析思路和写作逻辑，因为你只有知道优秀论文是什么样，朝着这个标准写，你才能够获奖。第二个就是比赛，不要过分的追求版本，先把东西做出来，成功提交呢，这是首位的。 第三个就是摘药要特别的重要，至少要留出两到三个小时时间精心的打磨。最后一个呢，就要提前一周调整作息，才能保证四天高强度的比赛有一个非常好的效率。关注我网研规划，不走弯路！

大家好，我是曾经在美赛中获得过欧奖的小一学姐，今天我将带大家看一下我们当时获奖的那篇论文， 并且从我当时获奖的论文出发。大家先来看一下美赛的论文应该怎么写，才更加容易受到评委们的这个青睐。那我们首先就看到这个摘药页部分。摘药页部分通常又分为三个小部分，第一个小部分是我们摘这个摘药的总体的这个部分， 第三个部分则是我们关键词的部分。那么我们先来看一下这个标题我当时是怎么写的。我当时这个标题其实是采取了一种比较文学型的写法，可以看到这个标题是 turn off the light， turn on the stars。 实际上通过当时我们去查一些资料，找到一些优美的句子，或者是一些名人名言，对其进行改写，从而使它契合我们的这个文章。 这样子的方式我们就可以写出一个文学性的标题。但是这个标题其实也是有一些要求的，因为有的时候对于某些主题来说，我们是没有办法找到那么契合这个文章主题的一些句子，或者说一些名人名言啊。 那对于这种情况我们应该怎么去写这个标题？这个大家其实也不用担心，因为这个标题其实还有另外两种也是比较好用的格式。首先我们来看一下，第一种就是基于什么模型的什么问题或什么主题。 这个基于什么模型指的就是你这个文章中你使用的这个主要模型是什么，你就可以把它带进去。 就比如说刚刚我们所说那个文章是以光污染为主题的，那我们主要用的这个模型是层次分析法， 那我们就可以说基于层次分析法的光污染问题，通过这样子方式，我是不是就可以写出来一个也是比较好的一个标题？除此之外，还有另外一种格式也特别常见，就是 叉叉主题或者关键词冒号。后面就是对前面的主题或者关键词的解释，或者详细说一说这个主要模型。 那么对于刚刚那篇文章，我们怎么把把它改写成这种形式，那其实改写的方式比较简单，首先呢是这个主题，那我们知道这个主题是光污染，那我们是不是可以把这个光污染替换掉这个叉叉冒号后面是解释，那就是对前面光污染这个解释，那我们就可以说是光污染风险 的评价模型，那是不是这个标题又写出来了？光污染冒号，光污染风险评价模型或者评分模型或者评估模型之类的都可以， 那第二种形式也是不是很好写出来，那第三种形式实际上就是我刚刚所说的这个文学性的标题，但是这个标题使用是有前提的，你要搜寻到相关那些句子是契合你的文章主题，你才可以去使用。 如果发现我们找不到相关一些句子，那我们就可以采取前面两种形式，也是非常好的一个文章的标题。看完标题之后，我们再来看一下这个摘药的 部分。在摘药开始之前，如果说我们在搜索资料的过程中，我们可以找到一些特别契合文章的名人名言 作为引入，那自然也是非常好，我们就可以把它放在这个 java 的 开头。但是这也需要提醒一点，就是如果说我们找到这些句子跟这个文章可能只是有那么一点点关系，跟这个文章 没有特别明显的联系，那么这个时候我是不太建议放这句话的，除非说你发现这个句子刚好跟这个文章特别契合，我们才建议把这个名人名言放到前面去，去增添文章的一些色彩。我们就看到这个摘药的 部分，那个摘药一般是分为三个部分，一个就是开头部分，就主要是总体介绍一下你这个文章大概是干了些什么，还有说一说背景什么之类的。 这一部分可以看到，接着就会分模型或者分题目，你看模型一、模型二、模型三，还有最后一个应用有多少个模型或者有多少个问题，我们就分多少段去描述。最后就是一个总结，一般我们就会放灵敏性分析， 可以看到这个主题。首先我们开头的部分，我们就会先用一到三句话说说这个背景， 那到底是使用多少句话，那主要是看一下你这个背景你能说多少，以及整体的这个摘药的篇幅是多少来决定的。 像这我就主要用了两句话去说明一下这个主体研究的必要。比如说光污染，那你就可以说一说现在随着社会发展，光污染问题这么严重了，所以需要我们去解决之类的， 是用一到两，一到三句话说一说这个背景。之后我们一般就会用一句话，一到两句话去总体说一说你这篇文章大概做了一些什么？ 你可以看到这就相当于一个总体，因为这篇文章我主要是去建了一个官污染风险的评估模型，所以我就在这里写了，我主要就是去建立这个模型，并且去给怎么去减少官污染的影响提供了一些建议。 当然了，我们也可以先去把我们使用的这些模型都给列出来，因为我这主要是使用了三个模型，一个是 es 模型，一个是 lpa 模型，还有一个 i 杠 es 模型。我们在总体的部分也可以先把这些模型给列出来，大家如果篇幅不允许，那这一步是可以省略的。 如果篇不允许，就总体说一说你这篇文章主要干了些什么就可以了。开头部分结束之后，我们就进入了到了这个摘要主体部分，那摘要主体部分我刚刚说的，我们会分 模型去说，如果有多少个模型，我们就分多少个模型去说。比如说我这有三个模型，那我就第一个模型我做了些什么，第二个模型我做了什么？我第三个模型做了什么？如果有应用，我们再把这个应用的结果给说出来，这个主体大概是这样。 而在对于每个模型的描述当中，我们来看一下。一般来说，如果说这个模型是要求你去计算出某个答案的，我们就要需要写一下我使用了些什么，什么方法计算得到的答案是什么。那如果说他没有在这个 题目中要求你去计算的，只是要求你去建立模型的，那我们这一小题，那我们可能就不需要写出答案。你看就比如说这个 model 一， 他如果没有让要求我们去算出答案，你看他就只需要把你使用的这个方法给他列出来就行。你看这标粗的这些地方就是我使用的这个方法， 你看对于模型二来说，那我是不是既使用什么方法，也要求我们计算？那对于这种情况，我们就先说我们使用这些方法，你看标示这些都是我使用的方法，得到的结果是什么，你看我这这些数字其实就是我得到的这个结果。 在这个文章摘要的主体部分，一般来说就是要写你使用了什么什么方法，什么模型，得到了什么什么答案。当然如果说这个题目没有要求你算出来这个答案，那内小问，那你就只需要叙述方法，不需要写出答案。 但是假如说他要求你算出答案，那你就要写你使用什么方法，然后计算得到什么答案，这个就是摘要主体部分， 最后摘到结尾部分，我们通常是会说一说做一些什么敏感性分析啊，证明这个模型是稳健的。 当然如果还有篇幅，还可以写一写我这个模型使用的这个优缺点是什么，或者是我们一些拓展方向是什么。那你看像这里因为篇幅有限，所以我就写一写我敏感性分析是怎么做的，得到的结果是稳健的。 通过这样的方式，我们就可以写出来摘药了。总结一下，摘药一般是分为开头、主体、结尾三部分。 摘药的开头通常就是为背景加做了什么事情，解决什么问题，做什么，指的是你建立了一个什么主要的模型，或者说你给出了一些什么的建议啊之类的，解决了什么问题？你文章主要解决的问题，就比如说刚刚那个解决的光污染 程度的一个问题，这样主体的结构通常就是你有多少个问题，或者你有多少个模型，你就分多少段。 比如说你如果是想按问题来分的话，那你就写针对问题一，我们使用了什么什么算法模型去解决什么什么问题，得到了什么什么结果？针对问题二，又怎么怎么样？针对问题三又怎么怎么样？针对问题四又怎么怎么样？而每个问题就分一段， 如果说你是按模型来分也是一样的，那就把问题变成模型，就是针对模型一，我们使用什么什么算法模型去解决什么什么东西得到了什么结果？针对模型二又怎么样？针对模型四， 这个就是摘药的主体结构，而摘摘药的结尾通常就是去简单概括一下敏感性分析，如果有篇幅，还可以说一说模型的优缺点以及拓展方向。 那么摘药有什么注意事项？首先一个就是一定要控制在一页以内，这个是必须的，你不能说你的这个摘药写了两页。 另外这个摘药是非常重要的一部分，因为评委很多时候都没有办法特别详细的去看这么多页的论文，他怎么对你这个文章进行一个快速判断，实际上就是去看你的摘药， 所以你这个摘要是非常重要的，因此一定要留出充足的时间进行润色和修改。除此之外，有的时候我们的结果是图表那些什么折线图、条形图，或者是一些表格之类的， 那对于这种情况，我们的结果应该怎么在摘要里说？我们对于这种情况，一般来说我们就只需要去简样描述一下图表的内容， 而不是说你在 java 中直接放图标，这个是万万不可行的，我们只需要用文字去描述一下这个图标，或者说你做了一个什么图就可以了。 除此之外呢， java 最重要的两个东西是什么？其实是你使用的这个模型算法以及你得到的这个结果。因为模型算法是可以让评委可以看出来你这个大概算的是不是合理的， 如果是合，也就认为你可能这个做的还不错，你至少得到的结果是合理的，所以这些就是 jio 的 注意事项。最后我们可以看到 关键词部分，关键词部分一般放的是什么？一般会放两类东西，一类就是文章的这个主题， 还有一类就是你使用的模型算法，你可以看到我这个关键词，你看我放的第一个就是文章的主题，文章主题就是光污染，所以我把文章的主题放上去了。 除此之外，我使用的一些模型， e， s， e， l， p， r， a， 还有什么层次分析法， k， means， 还有 g， e， q 之类的，这个就是关键词我们需要放的东西。所以说关键词其实我们通常写的就是文章的主题，或者你在文中使用的主要模型和算法。一般来说放四到六个会比较合适， 因为如果放太多，你就会发现这个关键词实在是太多了，让评委都看不过来了，而且也抓不到重点， 那这个时候大家可能就会有疑问了，那我这个文章中如果涉及到很多模型和算法，放不下怎么办？那么其实我们就主要放你觉得最主要的以及最能体现你创新的。因为有的时候我们这个文章可能会有些创新，那我们就把这些最主要的，最能体现你的创新水平， 或者是最高级的一些模型放上去。当然了，如果你觉得这个文章的主题特别重要，也可以放一到两个关于文章的主题的关键词上去， 这些就是我们的这个题目摘要和关键词的一些写作的一些方式。接下来我们再讲一讲这个文章的框架，那么文章框架一般会分为以下这几部分，基本上那些优秀范文基本上都是这个框架。 首先第一部分就是这个文章的整个介绍，文章介绍又会分为两到三个部分，一个是文章的问题背景，就是说一说这个问题怎么严重，为什么要研究它之类的，在这个部分可能会引入一些什么文献什么之类的。 第二部分则是问题的重述，意思就是我们需要用自己的语言去说一说这些问题是需要我们干什么。 除此之外，其实还有第三个部分就是我们的工作，也就是说我们对这个文章大概做了一些什么东西，你用的什么模型，用的是什么算法之类的。 而在这篇文章中，我事实上是把这个问题重述和我们的工作结合在一起，写了这种写法他的一个依据。我先说这个题目要求我们干什么，再说我们根据这个要求我们具体干了些什么。 当然也有一些文章是把它分开写的，会把先用一小节说一说这个问题重述说明这个题目都要求我们干些什么，再用一小节说一说我们具体使用什么模型，什么算法，如何去完成这个题目的要求，我觉得这两种都是可以的。 第二个部分则是这个假设以及这个假设的理性说明。我们的这个文章一般都会需要一些假设，因为毕竟是一个现实的问题，很多方面如果我们特别详细去考虑到这个，我觉得还是比较困难的一件事情。因为我们模型通常是简化之后的，所以我会做出一些假设， 当然这些假设你要论真一下，它是合理的，你就不能说你这个假设太不合理。所以第二个部分就是这个假设以及合理性的说明。第三部分一般就是这个符号的说明，主要就是会列出一些比较常出现的一些符号。 这三步完成之后，就到了我们最主要的部分，就是我们的这个模型建立以及这个结果分析。 通常来说这个模型建立与结果分析，它会分模型来或者分问题来。什么意思？有点类似于我刚才讲摘药的时候，我们摘药不是一个问题，或者一个模型我就占一段，这个也是一样的，它一张说一个模型，比如说这个第四张它就整体都在说这个 esc 模型， 这个第五张它整体就在说这个 lpa 模型。第六张主要说的是这个 lpa 的 这个应用， 今儿第七章说的是这个 i 杠 e s e 模型。第八章相当于是我们整个所有模型，它的一个应用就是一个 case study， 所以 说它整体的一个架构实际上就是分模型来和分问题来。你分模型也可以，分问题也可以，一般一个模型是占一整张结，或者一个问题就占一整张结， 那这一整章节里面包含一些什么内容？一般来说，首先我们会包含数据处理部分，有的时候你一开始前第一二问，一般肯定是要对这个数据进行处理，所以你可以看到他第一小节都是对这个数据进行一些处理， 处理完之后就开始我们这个模型建的过程。所以你可以看这个四点二到四点四都是模型建的过程，你看这个五点二也是这个模型建的过程。 除此之外还有结果分析的这一步。但是这里我需要说明一下，如果说你有些模型，比如说第四章节，这个模型，它是相当于是一个基础模型，它并不需要我们计算出什么，那对于这种情况下，我们就不需要加一个结果分析的章节。但比如说你看第五章 是需要我们算出来东西的，所以你看五点三去计算出结果的一个章节。类似的，那如果是应用，那应用只需要写结果分析，而不需要那种什么呃，模型建立之类的，所以要分清楚第四和到第八，其实所有都是模型建立和结果分析， 那模型建立和结果分析完之后，我们是不是要对模型检验啊？所以就来到我们第九章，因为我们模型检验通常来说对模型进行敏感性分析就可以了，就不需要做特别复杂的检验，所以你看到第九章就是一个敏感性的分析， 接下来我们再看啊。第十张实际上就是这个模型的评价，因为我们要说一说这个模型是有什么优点，还有什么缺点。如果在有篇幅的情况下，还有你有想法的情况下，还可以说一说模型可以拓展的方向， 但是由于篇文章这个篇幅是有限的，所以你可以看到我这里只写了模型的优点，还有模型缺点，没有写模型可以拓展的方向，这个模型拓展的方向是可写可不写的，你看过往的其他的一些优秀论文也是这样子的。 最后我们一般还会有一个部分，一般是用来解决这个文章的最后一个任务，因为像每道题，无论你选道题，他一般都会有一个最后一小问，是要求你画一个海报，或者写一个书信，或者写一个备忘录之类的。 那一般这个海报、书信、备忘录这种一般都会占一页，所以这一页通常就会放在这个文章的最后，所以你可以看到它就放在这里。 除此之外，还有最后一个部分，就是我们的参考文献和复录部分，这个主要是写，嗯，你在这个文章中你引用了一些什么文献，或者说你没有引用，但是你参考一些文献，你也可以放在这个参考文献里面。 而副路则是放一些，比如说你在这个文章中，由于篇幅限制，没有放的一些图或者是一些数据，或者说你想把你的代码放上去也是 ok 的， 这个代码是可以选择放在副路，也可以选择不放的，就具体看你们的一个想法， 这个就是我们这个文章的整体的结构。那总结一下这个文章的框架大致分为以下这几部分。首先是这个问题介绍，问题介绍又包含这个问题背景重述和我们的工作，而我们的工作室上可以跟这个问题重述就是一起写。 接下来第二个部分，一般就是模型的假设以及这个假设的合理验证。接下来是这个符号的说明， 符号说明文就正式进入到我们的这个文章的主体部分，就是模型的建立与求解，那么其中主要就包含模型的建立过程和模型的结果分析。 那么如果说你这个模型的建立过程中是对这个数据是进行了一些预处理，那在这个前面也要加入这个数据预处理的这个过程。模型建立并且求解结束之后，你就对这个模型进行检验，那么树模一般来说是只需要做一个敏感性分析就足够了的。 模型检验完发现这个模型是稳健的之后，最后要对这个模型进行评价，具体就包含模型的优点以及模型的缺点，如果有偏颇就可以说一说这个模型可以拓展的方向。 当然在美赛规定官方那个文件里面其实是有写这个模型结论的，但是这个模型结论我们一般来说会融入到模型的建立与求解部分， 所以说如果在你不是你发现这个篇幅差不多刚好的时候，其实我们把模型结论融入到这个前面这一部分就可以了，就不需要再另开一章节写。 但假如说你发现你写完这个论文之后，你还有很大的空间的话，那我们还可以加一个章节，就是模型的结论，去总结一下你前面那些模型都做了些什么东西，得到了些什么结果。 最后我们参考文献以及我们目录了，那么这些就是我们一般来说一篇优秀的美赛论文 该有的一个整体的文章框架。下面让我们来看到这个问题介绍部分。问题介绍其实一般分为三个部分，一个是问题重，问题背景，一个是问题重述，还有我们的工作， 因为这篇文章是受到这个篇幅的限制，我们写的比较长，为了限制这二十五页，我们是选择把这个问题重复和我们的工作结合在一起写，到时候大家自己写论文的时候可以选择把它合起来，当然也可以把它们分开，只需要包含这三个部分内容就可以，你可以选择合起来写，也可以选择分开写 来具体看一下这三个部分的内容具体需要写些什么。首先是这个关键背景，其实一般包含两方面的一个内容，第一个部分的内容说明你研究的这个主题它的一个必要和重要性，就是你为什么要研究这个主题， 所以你可以看到我第一段事上再去引用一些数据去说明光污染，呃，现在是比较严重的， 所以说我们才有研究光污染的必要。那针对于其他主题也是一样的，比如说有其他的环境问题，或者其他的需要研究的问题，那你就说一下他的这个问题是不是比较严重，或者说研究这个问题能给我们带来什么意义之类的。 这个就是一般是我们第一段呃的内容，当然如果你的内容特别丰富，你也可以写到两段，一般一到两段都是挺正常的。 接下来下一部部分其实就是去说明一下你的这个任务是什么。这个题目一般会给你几个任务，你就概述一下这个题目到底让你干些什么。 接着我们就开始讲针对这些任务，我们大概做一些什么事情。由于这只是一个背景部分，所以我们不需要写的特别详细，所以你看一般一句话去说明，简单说明一下就可以了，就不需要写的特别长， 这个就是我们的问题背景部分。我们再来看到我们的问题重述，还有我们的工作部分。问题重述事实上就是针对于我们题目一般会给你几个任务，我们问题重述实际上就是用我们自己的语言去复述那个题目给我们的任务。 像比如说这道题，他题目是给出了四个任务的，所以你可以看到这个问题重述我是写了四段的，你看这四段，这里需要注意一个点，这个问题重述里面 其实是不包含这个题目中要求你去写什么书信，写什么备忘录，写什么海报之类的，这一部分是不需要包含的，就只需要包含前面的需要你们去鉴摩或者需要你去应用的部分，把那些部分用自己的话去说清楚他的一个要求就可以了。 我们的工作则是针对于每一个问题重述去说明一下我们使用了些什么方法去如何解决这个问题。 你可以看到也是分这个题目去说的，因为这有四个小问，所以你可以看到 our work 也是写了四段的。除此之外，为了更加让读者可以亲自了解我们到底做了什么，所以我们往往会配上一个流程图，这个流程图事实上就是说明了我们整个文章的脉络。 由于评委在文章一开始除了你的摘药以外，第一个马上看到可能就是你的流程图，所以这个流程图也是比较重要的，帮助评委快速的知道你这个文章大概用了些什么方法，是如何解决我们要研究的这个问题的。 所以总结一下，这个问题陈述包含这几方面，一个是问题背景，问题背景又包含研究该主题的必要和重要性。一般写一到两段， 接着就开始将我们题目要求我们研究的问题进行引入，并且用一句话左右的篇幅去概括一下文章的主要工作。 如果有篇幅，其实还可以放上一个与背景有关图片。我那篇文章没有放上，原因是我们一开始是放上了，但是由于后面篇幅限制，这个图片相对于其他的部分其实是相对来说没有那么重要，所以说我们是把那个图片删了的。 但是如果大家发现写完之后还有很多篇幅，其实我们可以放一个与背景有关图片，就比如说关污染，我们就可以放一些关污染相关那些图片。 问题重述则是根据题目的任务用自己的话去复述，最后一部分是我们的工作，那其实就是针对前面问题重述不同的任务，来去描述我们建立什么模型算法之类的，然后解决什么问题。除此之外一般会用一个流程图去展示文章的整体脉络。 那么在这个部分我们需要注意些什么？首先是问题的背景，最好可以引用一到两处数据或者文献，这样子可以增加文章的可信度。 刚刚其实你也可以看到，我在一开头其实就引用了一些光污染的数据，这个引用时也一般不用太多，一般一到两处就差不多了，因为毕竟背景部分不是特别重要的部分，所以你用一到两处是比较合适的一个篇幅。 另外就是问题重述是用自己的话去复述题目的问题，切记不能照抄题目的问题。除此之外还有我在我们的工作那里提到的流程图，它是比较重要的，因为我前面有提到嘛，你这个评委一眼看过去的文章，除了你的摘要以外，可能第二个留意到的就是你这个流程图， 而且这个流程图是展示你整个文章的脉络，所以最好要将这个流程图做到清晰美观。 除此之外还有这个问题重述还有我们的工作，这两个部分是注意需要分不同问题有条例的罗列，你可以看到我刚刚那不是有四个小问吗？所以你可以看到问题重述和我们的工作都是分为四条去说明的， 这些就是我们的问题介绍部分。下面我们来讲一讲假设以及理性验证这一部分， 那么这一部分整个结构你有多少条假设，你就列出来多少条。同时在假设后面我们要跟着一个理性验证，也就是说一个假设后面你要说明一下这个假设为什么是合理的？ 所以它整个的结构就是假设一加理性验证一、假设二加理性验证二、假设三加理性验证三这样子的一个结构。 这个时候大家可能会好奇一个问题，那我这个理性验证怎么去写？大家其实并不需要太担心，我们的理性验证并不需要说你有什么特别权威的一些依据，或者说找到一些什么权威的参考文献去支撑，这个是不需要的，基本上你就是言之有理，能自圆其说就可以了。 比如说你看我这个假设是说他的总群密度是维持稳定的，没什么变化的，那我的解释就是说他自然灾害不怎么发生，并且出生率和死亡率也是保持在一个比较平衡的状态， 这个就是我自己的一个常识和对这个假设的一些理解，所以说只需要自圆其说就可以，你并不需要找到一些什么文献支撑之类的。我们来看一下 这一部分的一个小小的总结，就是假设与理性的说明是需要写什么，就需要写出这个模型的假设以及理性说明，合理性说明做这个假设依据，而这个依据言之有理即可。 同时大家可能会好奇一个问题，这个假设内容，虽然说这个假设内容大家都是知道是根据本身模型简化所需要的条件去拟订， 有的时候大家可能就是全部都建完膜之后，我们才想起来写这个假设，那这个时候我们就想不出来我们到底做什么假设，就很多假设大家可能就潜移默化的做，那这种情况下我们没有思路，我们可以从哪些方面去考虑？首先是题目中 可能会本身就提及一些假设，那我们就可以把这些假设写进我们的这个假设里面。除此之外还有你文章中肯定会用到一些模型，那有些模型呢？它本身自带就有一些假设，比如说我们需要使用时间序的模型，那我们时间序列是假设它的自身的一个行为是不会随着历史 的退役而改变了，那这个就是模型本身自带的一个假设。除此之外还有一个非常常用的一个假设，就是假定某些波动不大的变量他是恒定的，就是我刚刚说的那个总区密度，他是维持稳定这个的意思， 你就说明一下为什么他这个波动不大，你就可以径似认为他是恒定就 ok 了。 除此之外，我们来看到这个符号说明，符号说明其实并不是一个非常主要的部分啊，他其实就是去解释一下文章里面一些常用变量他到底是什么意思， 所以你可以看到他所占的篇幅也不大。在我这里我用一个三线表分为两列，一列常见的一些符号，另外一列对这些符号他的一个解释。 所以总结一下符号说明其实一般来说就只是需要放那些比较核心的变量，因为我们是数目，他肯定会出现很多公式，那每个公式他肯定就会带有不同的符号，那这个时候我们并不是所有的符号都放上去，因为他并不是一个主要的部分，我们只需要放那些比较核心的变量， 或者是出现非常多次的一些变量就可以了。临时只是出现过很少次的一些变量，就不需要放在这个符号说明这里。 另外呢需要注意一下，这个符号说明一般来说都是用三线表，这是比较规范的格式，列数一般是两到三列，像我刚刚那个就是两列，只有符号和符号解释，当然也有些文章它是有三列包含这个符号解释和单位。 为什么我没有放单位？因为很多他都是一些评分的一些指标，所以说你这个评分他是本身就没什么单位，所以我就没有放单位这一列。但假如说你这里设计的一些变量全部都是带有不同单位的，那么我觉得是可以加一个单位这一列上去的。 这些就是我们的假设与理性说明以及符号说明这两部分的一些讲解。那在这一小节的课程中，我将会给大家介绍一下模型整个部分的内容。那么模型这一整个部分在论文中其实也分为几个小部分， 一个就是模型的建立，一个就是结果的分析，除此之外其实还有模型的检验。模型的建立其实就是指的是描述一下你整个建模的过程，你其中涉及到的一些公式，以这些公式代表的什么意思？这个就是建立模型 的部分。建立完模型之后，我们往往是要将一些数据进行带入计算得到的结果，所以第二个部分其实就是对这些结果的一个分析。 那么第三个部分其实就是这个模型的检验，因为我的模型未必是稳健的，所以我们往往要通过一些方式去检验一下这个模型是不是稳健的，那么检验的方法呢？往往是敏感性分析。 首先我们来讲一讲这个模型建立和结果分析这一部分，这个模型建立和结果分析往往是合在一起写的。 这个是什么意思？指的是文章主体的部分，它往往是根据这个模型或者问题来分的。比如说你看 我这个第四张，它就是这个 e s e model， 我 们来看一下这个第五张是什么？这个第五张它其实就是这个 l p r a model， 所以 你可以看到后面也是类似的，你可以看到这个文章，它的模型主体部分，它其实是根据这个 模型或者是问题来分的。一个模型是一章节或者一个问题就是一章节，在每个章节中其实就会包含这个模型的建立以及结果的分析。 看到这个第四章，它其实由于它是这个 e s e model， 它是不需要计算的，所以你可以看到这个第四章，它整个都是对这个 e s e model， 它的一个建模过程，你看这全部都是， 但是你可以看到第五个章节，它这个 l p i a model， 它是要计算出结果的，你就可以发现它就包含了数据预处理模型的建立过程以及它的一个计算结果啊。你看这个计算结果， 所以说这个模型建立和结果分析往往是合在一章节去写的，因为我们分的这个方式，其实是按照这个问题，或者是按照这个模型来分的，可以看到我的文章就是一个很好的例子。 接着我们再来讲一讲，那这个模型建立，还有这个结果分析应该具体怎么写？需要包含一些什么？实际上这个模型的建立首先要包含的就是你这个模型的简单介绍，就比如说这个 esc model， 你 就要介绍一下这个 model 它是由几个部分组成的，是由经济、社会还有生态组成的，你就要去介绍一下， 除了这个模型介绍我们还要包含什么东西，我们还要包含里面涉及到的一些公式，因为模型推导往往是要有一些公式的，你看这些就是公式， 而这些公式我们不能单单把这些公式给写上去，因为我们把这些公式写上去，我们并不知道这些公式什么意思，所以往往它的结构是这样子的。 先是会解释一下这个公式是通过什么东西去得到的，就比如说我这里是通过这个方法得到的，你看我这里还加了一个引用得到了，说用这个公式就把这个公式给写上。 其实把这个公式写上之后，我会解释这个公式里面出现的这些符号都是什么意思，你看他这也就说了， n 是 啥意思？ n n m 是 什么意思？ r 是 什么意思？你看对于下一个也是这样子，下一个这个是解出来，这个就不看，我们再看下一个，你看这个 e、 c， 那 你看它，首先它就会解释一下这个公式是怎么得出来的， 接着就会写这个公式，写完这个公式之后，你可以看到它就会说明一下这个公式里这个出现的 p c 是 啥意思， p l p 是 啥意思。所以它整个的一般用到这个公式，它的整个的结构就是这样子，先去解释一下这个公式是怎么得来的， 当然你不需要解释特别复杂，除非是本身那个公式，他就需要参考很多东西得出来，那可能可以写的复杂一点，但大部分情况你就用一两句话去解释一下这个公式是怎么得到的，你就可以把这个公式写出来。写完这个公式之后，你就去解释一下公式这些符号都是什么意思， 那么就 ok 了。除此之外，在模型建的过程中，我们往往会用到一些示意图，因为我们需要有一个比较图文并茂的这个文章，才更加容易受到评委青睐，所以你可以看到它这里还会加上一些 这种示意图，去让整个文章看起来更加的美观一些。来再来看一下那对于这个结果它是怎么样去做的，那我们可以看到 这里就开始会去计算它的结果，因为涉及到这个 l p i a 模型，我刚刚有提到 l p i a 模型不仅包括这个模型建立，还包括结果分析，所以你可以你看它这里涉及到这些结果，它都是会通过图表的形式去写出来的。 同时如果说这个结果是比较重要的，你还是要去解释一下这个结果的，比如说你看这里面他就会说一说他得到的这个结果他是啥意思，你就不能单单说我放一个表在这，这显然是不太行的。 那假如说你看如果说这个结果是比较复杂，那你可以写长一点文字去解释，但假如说这个结果比较简单，那我们就简单说明一下这个结果代表什么意思就可以了。那我们来看一下这个总结。 这个模型建立与求解部分其实分为几个小部分，一个就是数据分析和预处理部分，但这个部分他并不是必须的。首先说数据分析指的就是去描述一下你得的这个数据，一般来说会结合这些什么折线图、饼状图这些格式化的方式 去进行数据分析，又或者是说直接对这个变量进行描述性统计。但是在我们实际操作过程中，其实很多文章都会跳过这个部分，原因就是因为这个比赛他是有篇幅限制的，而这个数据分析 在很多时候他并不是那么重要，只有部分时候可能那个变量特别重要，他这个变量可能本身这个数据就有一些特点，那这个时候那我们就可以对他进行一些数据分析。 但是假如说这个篇幅你本身这个文章就写的很长了，而且你这个变量其实没有什么特别之处，跟后面的模型没有特别强的 这个关联。你这个数据可能有些特征，如果跟后面的模型有特别强的关联的话，那确实可以去做一些数据分析。但假如说你这个变量本身就跟后面的模型没什么关联的话，那其实数据分析就看你篇幅不够，那就没有必要去做数据分析了。 除此之外还有数据处理，但数据处理这一部分也是可有可无的，为什么这么说，你那个数据首先是需要处理，你才会去写这个数据处理，那你这个数据如果本身是非常完完整的一个数据， 也没有什么缺失值，也没有异常，加上你用的那些模型，他不需要对他做特艰工程，那么这个数据其实也可以 不预处理。但假如说这个数据是需要预处理，那你就需要去写一写，你就对他做一些什么预处理，那这个部分通常也是文字叙述，叙清楚即可，也不需要占用特别多的这个篇幅去说明这个数据处理。 但是记住是如果你对这个数据预处理，那肯定是要说一说的，只是不需要花特别大的篇幅去说而已。接着就是模型建立部分，模型建立部分其实就包含一个这个模型的简要介绍，你要介绍一下这个模型是什么， 但是也不需要太复杂，把这个模型介绍清楚就可以了。接着就是建模的步骤，那我们的这个模型往往都是这个公式，还有公式 说明了，所以他整个建模步骤其实就是像我们刚刚的这个结构，你一步步去推导写出这个公式是怎么得来的，把这个公式写出来，再去解释这个公式里面那些符号到底是什么意思就可以了。 当然在此过程中，为了整体文章的美观，往往会添加一些示意图去展示。接着是模型求写的部分，那模型求写部分其实我们一般来说都不会特别详细的去说你是怎么求解的，我们往往是直接展示你得到的这个结果， 那么结果其实也有两种，一种就是单一的值。什么意思？指的是你可能他单单要你算出来某个东西他的值是多少，那你就说你只算出一个数，那对于这种情况，你直接写出结果就可以了。 但比如说他涉及到多个个体啊，或者说他涉及到一个很长时间段某个值是多少，那你这个时候可能就需要通过一些图表或者表格去展示，那这里一般你就要画那些什么前面提到那些什么折线图、饼状图等等等等之类的， 或者说通过表格去展示。但是我个人是比较建议尽量用图标，你可以偶尔插几个表格，但是尽量多用图标，因为图标可能会让你这个文章会显得更加美观一些，而且这个可读性也更加强一些。 除此之外，展示完结果之后，你往往需要对这个结果进行分析。我前面提到，如果说你结果 比较基础，没有没有什么可分析，那你就只需要说明一下这个结果代表什么就可以了。但假如说这个图表或者表格他暗含了很多信息，那首你首先要描述这个图表，比如说你是一个时间段的，那你是不是要描述一下他的整个趋势是怎么样的，他整个增长速度是怎么样的 之类的？描述方向都是可以的。除此之外，也可以简单结合一下题目以及实际分析，说明一下为什么他会出现这样子的趋势或者这样子的变化等等之类的。接着就是一些注意事项了，首先文中的公式不能过多，也不能过少， 因为过少会显得你这个就不像一个数学建模，就比如说你整个文章只有十个公式左右，那显然这个公式就太少了。 那你这公式也不能太多，因为有些公式它其实可以结合起来写的，有些或者是有一些其实，嗯，没有那么重要的公式，其实也可以不写。 或者说你在推导一个东西的时候，你其实不需要一步去展示你推导出来的这个结果，你只需要展示你的这个原始公式和你最后化简到最后的这个结果就可以了， 这样子就可以达到一个文中的公式不是特别多，也不是特别少，一个比较适中的这种情况。 除此之外还有你结果用图表或者表格展示的时候，记得要对图表或者表格进行分析，就不能单单只放一个图，或者只放一个表，那个章节就这么过去了，那这个显然是不太行的。 还有最好呢，我们需要分布推导，分点写作。其实你可以看到我刚刚展示的论文，它每个章节的整个模型我都是一步步去推的，不同的点我会分成一小节， 因为这样子的结构会更加的清晰。说完这个模型建立，还有这个结果的分析之后，我们来看到这个模型的检验，我们翻到这个最后这个模型检验，其实我前面也有提到过，这个模型的检验其实就是一个敏感性分析，所以你可以看到我的标题就是一个敏感性分析。 敏感性分析因为他其实也不是特别难，其实就是去改变模型的一个参数，看他的这个结果会不会有特别大的变化，就正常来说，你去改变一个参数，只摆改变一点点，其实他的结果是不会发生什么变化的。那这样子我们就可以说明模型的文件了。你也可以看出来这个 文章篇幅不是很大，因为他只是起到一个使你的文章更加严谨，你的文章更加的完整的一个作用，所以我们往往不需要占用特别大的篇幅。 所以总结一下模型检验，他一般来说都是用灵敏度分析，也就是保持其他参数不变，改变其中的一个参数，看结果是怎么变化的。 写作形式其实通过我们这个文章也可以看出来，他是先用文字去说明一下你改变的是哪个参数，你改变了百分之多少，接着去用图表去展示，说它整体的这个趋势是没什么变化的，这样子我们就可以说明这个模型是稳健的， 大概的篇幅就占到半页左右，不会占用太大的篇幅。以上这些就是这个模型部分的一个完整的讲解。我们再来讲一讲这个模型评价 的部分。模型评价其实一般来说会包含模型的优点、模型缺点和模型拓展的方向， 但模型可以拓展的方向是可写可不写的，主要看你有没有篇幅，以及你有没有想到一些可以拓展的方向。就比如说有的时候你对于一个模型，你知道你是可以通过什么样的方向去给他拓展，会使得这个模型更好。 但是你可能在文章中，你因为部分，比如说数据或者技术的限制，你没有做，这个时候你可以写在这个拓展方向，但假如说你没有想到，或者说你的文章篇幅不允许了，那么我们只写这个优点或者以及缺点是可以的。 那么优点和缺点其实一般写每个大概写呃，两到五条左右就差不多了，整个站大概半夜多的篇幅，一般来说这个优点会写的更多一些，缺点可以写的少一些，这个就是模型的评价， 可以看到我这里你可以看到这个优点，我是写的四条，缺点是写了两条的。接着讲完这个模型评价之后，我们就看到这个最后的部分。其实参考文献还有一些副路。 参考文献通常去写一写你在前面引用的一些文献，以及你可能你发现你前面引用的文献并不多，你就发现，那你这个参考文献是不是感觉有点少了？ 因为如果你太少，就显得你这个文章没什么说服力，那这个时候你也可以去查一下那些跟主题相关的一些文献，你可以放上去， 大概站到半夜左右，篇幅就差不多了。副路一般是放什么？副路其实一般会放一些前面可能由于篇幅限制，没有办法展示的一些数据表格、图表之类的，就可以放到副路。 除此之外，我们也可以放代码，代码是可以放，也可以不放的，因为可能大家参加国赛是一定要在副路中放上代码的，但是美赛是不强求的。 如果大家觉得你们这个代码写的特别好，特别有信心，我觉得可以放到这个俘虏里面。但假如说大家的这个代码可能借助了很多 ai 的 帮助，其实也可以不放到上面，因为放到上面反而可能还会查虫，发现查虫率或者 ai 率会比较高之类的， 大家可以根据自己实际情况去选择放不放代码。所以总结来说，这个模型评价一般来说写的就是模型的优点或缺点，篇幅不需要特别多，如果有余力而且有篇幅的情况下，可以写一写模型可以进步拓展的方向。 优点如果大家没想到有什么优点，那就可以从使用的模型本身以及需要考虑的那些因素这些方向出发。就比如说模型本身他肯定会有一些优点，你在文章中使用那些那种经典模型，肯定是本身都会有优点和缺点的， 那你如果想不到你整个大模型它的一个优点和缺点，那你就可以写你使用那些模型的本身它的一个优点和缺点。除此之外，这个优点你也可以说一说你考虑的这些因素特别全面，因为我们往往考虑因素都是挺多的，你可以说自己全面，也可以说自己不全面， 缺点还是一样的，你使用的模型本身他肯定是会有缺点的，所以你如果想不到你整个文章的一个优缺点是什么的话，那你就可以从使用的模型本身出发写他的缺点。 除此之外，你这个缺点，呃，一般来说都会存在着数据或者指标不足的情况，因为美赛并没有提供数据，所以在实际操作过程中，肯定这些数据和指标都会有所删减， 所以一般都会有这个缺点。参考文献和目录参考文献就是如我刚刚说的，一般写半页左右篇幅即可， 可以包含前面引用的或者参考的，或者说你发现这个文献实在是太少了，那你可以自己去搜题目的关键词，然后去摘几篇这个文献去充数也是 ok 的。 因为如果参考文献太少，确实会显得你这个文章可能有点说服力不足。 目录一般写的就是部分没有篇幅在文章中展示的这个表格或者图表。如果说你对这里的代码是比较有信心的话，那么我们也可以在目录中附上你的这个代码。但假如说你这个代码很多都是参考这个 ai 或者是参考那个模板代码的话，那这一部分就不用放上去了。那么以上就是这个最后的模型评价和参考文献与目录的一些写法。